本技術為一種利用人工智慧中近幾年蔚為潮流的機器學習所開發出的肝臟腫瘤偵測技術。高倍率影像提供較多細節，但是視野範圍較小；相反的低倍率影像視野範圍較大，但缺乏細節。本技術對兩種倍率的影像分別進行分析處理，再將處理結果結合後，放入另一類神經網路進行肝癌腫瘤偵測，達到自動化，以提升醫師效率及輔助醫師診斷。

傳統上，一個卷積神經網路的輸入，常為一張單倍率的影像。高倍率影像擁有較多細節卻缺乏周圍特徵；低倍率影像擁有較多周圍特徵卻缺乏細節。因此結合兩者的優點，先使用卷積網路對高低倍率影像提取特徵圖，再結合兩者特徵圖進行分析，將有更好的效果。

在醫學影像上，多倍率影像的輸入可以應用於腫瘤、門脈以及壞死細胞的辨識等等，高準確度將能有效幫助醫生診斷。此外，利用辨識結果與電腦輔助計算，可以得到一些客觀的醫療指標，醫師可藉此更有效率的評估病人的情況，以便能夠做出更好的診斷，除了經濟上的利益，也為全人類帶來健康的福祉。