Ptsmeuihdmna1a6oszuk

羅宇昇 Yu-Sheng Luo

任職於自駕車相關公司,人工智慧演算法工程師
鑽研於深度學習/人工智慧相關領域
目前正進行大型專案模組開發:自動泊車

     Taipei,TW • [email protected]0922-899-090

精選專案 ( 完成模組訓練 )


病歷文章自動分類

文章分類/ 深度學習, 自然語言處理

Word2Vec, Text-CNN

網絡架構更改. 自訂損失函數
多標籤 暨 樣本不均之分類任務
設計多通道詞映射輸入來源
病歷編碼系統供疾病分類師使用


前車離去

物件識別/ 深度學習, 影像辨別

SSD, YOLO, FPN

Shrinking network for edge device
Properly data augmentation
修改 Loss Function
警示率由 88% 提升至98.8% 正式成為產品


心電圖判讀系統

圖像分類/ 深度學習, 影像辨別

ResNet, DenseNet, ShuffleNet

網絡設計:Mobile V2, SE Net等
與醫師溝通討論, 以達預期結果
以 Attention 機制輔助醫師辨別
低血鉀辨別度高於臨床醫師10%

相關專業


主要專業:  深度學習、影像識別、自然語言處理統計分析、資料探勘

程式語言:  Python ( Caffe / Django ), R ( MxNet / Shiny-Apps )

                   JavaScript ( jQuery / HTML / CSS ), PostgreSQL, C++

重要經歷

歐特明電子股份有限公司 人工智慧演算法工程師,2018 年 7 月 - 2019 年 7 月

我在自駕車相關公司中主要負責的專案為前車離去,以 Python, C++( Caffe ) 完成訓練任務,在四個月內提升警示率10%,至98.8%,除此之外還負責標註系統Python ( Django ), JavaScript ( jQuery )建立,提升訓練資料品質,加速標註速度。目前參與大型專案,自動泊車任務,系統化模組,近期內完成車輛偵測結果與路徑控制之整合。


國防醫學院 公共衛生學所 碩士生,2016 年 5 月 - 2018 年 7 月

在國防醫學院學習統計相關知識,並在選修課程中學習R語言,提升程式語言能力,了解機器學習各類基本知識,之後,更受到授課老師的青睞,碩論題目朝向深度學習研究,大大增加網絡訓練經驗,完成病歷文章多標籤分類任務,研究結果亦投稿至國際期刊,除此之外,還參與心電圖判讀系統任務,進一步對不同網絡架構有更深了解。

前車離去 Front-ADAS

Projects 01 00@2x 9a5a97084c8e268ae3725d8e03654d1815ae2eb597b59c292ae4d0beffa7b703

Projects 01 00@2x 9a5a97084c8e268ae3725d8e03654d1815ae2eb597b59c292ae4d0beffa7b703

先進駕駛輔助系統(ADAS)為提供車輛的行駛狀況與車外的環境變化,近年來,因為深度學習的蓬勃發展,漸漸取代於系統傳統上單純的雷達或超聲波的應用,影像在橫向偵測上更有準確度,更可以在不同的環境下達成辨別任務,亦可進一步區分物件的不同類別。ADAS中的前車離去,提醒駕駛人當前方車輛或機車離開時,停止或啟動,我修剪了網絡架構,以配合Edge後端演算法的運算速率,進一步了修改了先前的訓練過程,修正成較合適前方車輛離去時的訓練資料,並嘗試不同損失函數,成功了提升了10%的警示率,完成訓練任務,使產品進入公司ADAS量產系統中。

病歷自動分類系統


Projects 01 00@2x 9a5a97084c8e268ae3725d8e03654d1815ae2eb597b59c292ae4d0beffa7b703
Projects 01 00@2x 9a5a97084c8e268ae3725d8e03654d1815ae2eb597b59c292ae4d0beffa7b703

大量電子病歷普及產生了”大數據”資料庫,但有近八成的資訊為非結構化形式,而目前醫院幾乎採用費時且費力的人工辨別方式,從電子資料中得到想要的有用資訊,例如醫院須聘請許多專業人員進行病歷摘要分類的工作。我們的研究結合了卷積神經網絡與詞映射技術,與傳統分類文章分類技術相比,成功了提升了30%的分類效能,而病歷摘要總分類項目有九萬餘多個分類標籤,且分類項目大多屬於罕見樣本,我們嘗試了許多訓練上之方式,如超樣本、數據擴增以及自訂損失函數,成功了第三層編碼,完成樣本不均之分類任務,結果已發表於國際期刊 (JMIR. Date Accepted: Jun 17, 2019.),此模組已上傳至醫院,實際供疾病分類師使用。

心電圖判讀系統

Projects 01 00@2x 9a5a97084c8e268ae3725d8e03654d1815ae2eb597b59c292ae4d0beffa7b703

心電圖辨別在臨床上用來診斷許多攸關生死的疾病,例如低血鉀和心肌梗塞,然而就算是專業的一線臨床醫師也無法單只從心電圖上準確的獲取所有重要資訊,自2012年AlexNet在人工智慧上有突破性的成功,以及各式各樣複雜的人工智慧模組開發,我們利用此深度學習技術,在影像辨別上自動萃取有效預測特徵的能力,建構了ECG12Net,作為辨別ECG診斷任務的模組,並且成功地辨別了病人低血鉀的狀況,在平均敏感度以及特異度上比心臟內科醫師還多了10%的表現,在後續的實驗中,為了提升效能,我們嘗試各種不同的技術,如 ResNet, DenseNet, SE Net, Mobile Net V2等架構測試,Attention機制整合不同導極輸入,自訂評估效能指標,以及其他訓練方式如 Auto-encoding亦正在進行中。先前表現最優秀的模組ECG12Net,亦上傳至醫院,實際供臨床醫師使用。


發表期刊:

  1. Lin C, Lou Y, Tsai D, Lee C, Hsu C, Wu D, Wang M, Fang W. Projection Word Embedding Algorithm with Hybrid Sampling Training for Classifying ICD-10-CM Codes. JMIR Medical Informatics, Date Accepted: Jun 17, 2019.
     
  2. Lin C, Hsu CJ, Lou YS, Yeh SJ, Lee CC*, Su SL*, Chen HC*.Artificial Intelligence Learning Semantics via External Resources for Classifying Diagnosis Codes in Discharge Notes. Journal of Medical Internet Research. 2017; 19(11):e380.  [2016 Imapct Factor: 5.175; Rank: 1/24(4.2%) in MEDICAL INFORMATICS.
     
  3. Wu ZF, Lee MS, Wong CS, Lu CH, Huang YS, Lin KT, Lou YS, Lin C, Chang YC, Lai HC*. Propofol-based total intravenous anesthesia is associated with better survival than desflurane anesthesia in colon cancer surgery. (SCI,  Imapct Factor:5.785; Rank: 2/31=6.45%, ANESTHESIOLOGY) (2018 Jun, Accepted)


Powered by CakeResumePowered by CakeResume
Powered by CakeResumePowered by CakeResume