強化學習模型直接根據經驗制定控制策略，以預測學習過程中的狀態和獎勵。 因此，我們設計了一個包括超音波影像、不同動作和獎勵的醫學影像環境，使代理在此環境中學習以提取腋窩淋巴結區域並評估狀態。 我們提出的方法的性能達到了 83.6 的準確度、88.6 的靈敏度和 89.0 的特異性。

強化學習方法可以精確客製化處理醫療上的不同任務。我們透過強化學習方法可以在設定的環境當中讓代理自動地去找尋淋巴結的區域以最大化獎勵。最終應用可在二維超音波腋窩淋巴結影像中評估乳癌的轉移狀態。

本技術將透過強化學習方法透過訂製化的方式，基於代理、環境以及獎勵等學習框架下針對腋窩超音波影像上的淋巴結區域做圈選。透過自動學習後圈選出的腋窩淋巴結區域做出影像上的判斷，提供醫生臨床上的輔助。未來，將可以透過重複的學習方式，優化整個系統進而提升效能輔助醫生加快臨床判斷的實用性。

天使投資人、策略合作夥伴