Research Ecosystem
生醫演化學習與臨床轉譯
涵蓋肝癌、血液透析、冠狀動脈、頭頸癌、胃癌、睡眠與精準醫療等跨院合作應用。
National Yang Ming Chiao Tung University
INTELLIGENT COMPUTATION LABORATORY
智慧型計算實驗室
Evolutionary Learning for Biomedical Intelligence
以智慧型演化演算法與生醫演化學習為方法核心，串連生物資訊、AI 醫療輔助決策與醫療影像，建立從資料、模型、驗證到臨床轉譯的完整研究鏈。
Evolutionary LearningExplainable AIClinical Translation
100+International journal papers
2021–2025Global Top 2% Scientists
Clinical AIMulti-hospital translation
Bioinformatics生物資訊
Clinical AI醫療輔助決策
Medical Imaging醫療影像
核心方法演化學習 × 最佳化
研究目標可解釋 AI × 臨床落地
LAB OVERVIEW
研究總覽
以演化學習為核心，串連高維生醫資料、臨床資訊與醫療影像，將可解釋 AI 模型轉化為臨床決策支援與智慧醫療系統。
Research Directions
三大核心研究方向
生物資訊、AI 醫療輔助決策系統、醫療影像應用，共同形成資料分析、模型建立與臨床驗證的研究架構。
演化學習
以智慧型演化演算法解決大型參數最佳化、特徵選擇與模型建構。
生醫 AI
整合多體學、臨床、影像與定序資料，建立可解釋風險模型與生物標記。
臨床轉譯
透過跨院合作、外部驗證與系統雛型，將研究成果轉化為臨床決策支援。
CORE TECHNOLOGY
核心技術
從資料工程與演化學習出發，辨識高價值特徵與最小生物標記集，建立可驗證的預測模型，再延伸至智慧醫療與臨床轉譯平台。
整合臨床、影像、多體學與感測資料，建立結構化特徵。
以演化計算進行特徵選擇、參數最佳化與模型搜尋。
以較少特徵維持高預測能力，提升可解釋性與臨床可用性。
完成篩檢、診斷、預後與治療決策工具之跨院驗證與系統化。
SMART HEALTHCARE & CLINICAL TRANSLATION
智慧醫療與臨床轉譯平台
將核心方法落實於多項疾病與照護情境，建立可供臨床使用的 AI 決策支援流程。
RESEARCH DOMAINS
三大核心研究方向
以生物資訊、AI 醫療輔助決策與醫療影像為三個互相串接的研究主軸。
Bioinformatics多體學、生醫資料探勘與精準醫療
Clinical AI風險預測、決策支援與系統化落地
Medical Imaging影像標註、分類、預後與跨模態整合