使用 SAM2（Segment Anything Model 2）以點或方框提示進行影像分割，並可微調自己的資料集（Python 命令列版本）。

使用 YOLOv7-seg（PyTorch）進行實例分割，內附標註工具、訓練與攝影機推論（Python 命令列版本）。

使用 3D U-Net（PyTorch）對 BraTS 2020 腦腫瘤 MRI 進行三維醫學影像分割（Python 命令列版本）。

AI 醫療相關經驗, ChatGPT, Live DEMO, 經驗及效益

使用 UNet 進行影像的分割，可應用於醫療影像分析、瑕疵影像分析等。

CSPNet 演算法優化深度學習網路結構，除了準確度是世界第一之外，還能在邊緣運算嵌入式系統上維持超高的推論速度，實在是非常厲害，台灣之光。

使用 UNet 進行影像的分割，可應用於醫療影像分析、瑕疵影像分析等 (Python 命令列版本)。

適用於胸部X光、眼底攝影、乾眼症眼瞼之醫療影像分析。

適用於醫院內病人追縱、醫師定位、護理師定位之監視器影像分析。

適用於病理、玻片、顯微鏡、癌細胞、白血球、尿結晶之醫療影像分析。

適用於物理治療復健、病人墜床偵測之醫療影像分析。

適用於大腸息肉偵測、皮膚痣病變等醫療應用。

適用於電腦斷層(CT) 、 核磁共振(MRI) 之醫療放射影像分析。

2017年演算法為王！ 2018 年資料為王！ 2019 年 FDA 為王！

繼承 FasterRCNN 的演算法 - MaskRCNN，對原有的架構進行改良，增加了 Semantic Segmentation 的部分，可對物體進行分割、檢出、分類， 是相當經典的 Segmentation 演算法。

DICOM 介紹，讀取 dcm 檔案的字串內容及影像內容。

影片介紹使用 Mask R-CNN 及 U-Net 演算法。