:::
- 首頁
- -
- 技術搜尋 -
自動化
-
-
精準健康生態系 未來科技館 多層次酸鹼應變脫殼及標靶胜肽修飾之細胞核和粒線體雙靶向奈米粒可針對多種癌症遞送抗癌藥物和基因療法之技術平台
開發pH應答型奈米粒，具有可脫離之外殼層和多功能胜肽修飾，並有主動靶向、同時組合遞送基因和化療藥物的特性，故提供了pH系統和化療藥物合用的新型治療平台，可在適當的時間及地點，有效運送藥物標的到細胞核或粒線體，並同步抑制腫瘤的多重訊息傳遞路徑，所以極具潛力可提高癌症療法的成功率和安全性。
-
-
-
先進材料&綠能 未來科技館 應用無機奈米纖維技術促進生技發展
透過濕度調控的靜電紡絲與高溫退火技術來製備具有表面和界面缺陷的無機多孔性奈米纖維。在不同波長的光源(380~780 nm)照射下，可將儲存於價帶之束縛電子激發至導帶於材料表面形成自由電子，產生不同強度的微電流、光敏感能力和微電流變化。因為本技術具高獨特性與高產品相容性，使其可應用的市場領域非常廣泛。
-
-
-
先進材料&綠能 未來科技館 (test)應用無機奈米纖維技術促進生技發展
透過濕度調控的靜電紡絲與高溫退火技術來製備具有表面和界面缺陷的無機多孔性奈米纖維。在不同波長的光源(380~780 nm)照射下，可將儲存於價帶之束縛電子激發至導帶於材料表面形成自由電子，產生不同強度的微電流、光敏感能力和微電流變化。因為本技術具高獨特性與高產品相容性，使其可應用的市場領域非常廣泛。
-
-
-
未來科技館 人工智慧自動化優質細胞選取精進平台
誘導多能幹細胞在轉譯醫學中具有前景的新技術，而AI的技術是一種自動且強大的平台，可以幫助識別具有獨特特徵的細胞影像，預測並提供有關細胞類型，分化階段，細胞質量，正常或疾病特異性特徵資訊。此誘導性多能幹細胞分化平台與基於 AI 人工智慧影像分析技術結合對於未來細胞產品應用將有很大的效益。
-
-
-
電子與光電 未來科技館 整合製圖導航與雷射掃描顯微光譜影像技術提升樣品光電檢測的自動化
「台大凝態中心光電工坊」成功研發光學顯微鏡的樣品地圖與導航技術。此光機電整合系統可自動化擷取高解析光學影像及產製數位化樣品地圖，並直接於數位地圖中搜尋與定位樣品熱區位置，再移動載台將熱區置於視野中心。此技術可與共軛焦雷射掃描顯微光譜技術整合串聯，進而擷取樣品熱區雷射光譜影像，大幅提升光譜量測的效能。
-
-
-
精準健康生態系 未來科技館 精準血液乳癌檢測技術
EPICAn為一利用液態活檢進行新穎專利的目標基因甲基化變異生物標記的自動化分析技術進行乳癌早期偵測。本檢測技術具有1.高準確度2.低偽陽性率3.低侵入性4.少限制5.可定期連續檢測6.即時監測乳癌7.輔助醫師診斷8.自動化流程9.簡易操作10.快速分析等優勢。
-
-
-
未來科技館 基於深度學習的光刻電路失真預測，光罩修正及新穎布局圖樣偵測的設計自動化技術
本案所發明的半導體光刻製程電路失真預測自動化技術，包含了一個基於深度學習之光刻失真預測模型，一個光罩圖樣修正模型，和一個新穎佈局圖樣偵測模型。被預測的新穎佈局圖樣，除了可送回設計端重新檢視之外，亦可送入製程端產生實際成品後作為訓練樣本，以修正這些深度學習式網路模型，精進模型的效能。
-
-
-
精準健康生態系 未來科技館 智能影導式針頭穿刺術
研發直徑僅0.9毫米光學探頭的近紅外光學斷層影像術，結合14號～18號針頭的方式來進行臨床穿刺手術。利用光學針頭針尖於組織中所獲得的即時影像，可判斷針頭所在的組織位置，並結合人工智慧達到客觀、準確且自動化的辨別影像組織，成功於麻醉和腹腔鏡手術中驗證。
-
-
-
未來科技館 先進製程控制之決策型虛擬量測大數據分析技術
本技術能夠將從設備感測器所收集的大量數據並結合品質特性量測結果，透過一系列的資料工程以及機器學習與集成式學習技術，由數據驅動的角度進行自動化特徵擷取與定義，並對於未被進行品質量測產品提供一虛擬量測結果與預測信心分數，作為後續生產製程控制的決策基礎。
-
-
-
未來科技館 地震預警與結構安全監測
"一套現地型地震預警系統，可運用現場地震儀，偵測震前微小P波，並預估後續震動大小，提早預警．透過防災連動、於震前發布聲光警報、關閉瓦斯、停妥電梯、為精密機台執行軟停機模式等等，減低地震災損． 一套結構安全監測系統，可以於震後十五分鐘內，自動評估結構的安全狀況．加速使用者做震後應變，提升結構安全的保障
-
-
-
未來科技館 人工骨材鑑定之多模態非線性光學顯微平台
本技術使用多模態非線性光學顯微術，以二倍頻與同調反斯托克斯拉曼散射作為影像的對比。藉由分析影像的非線性訊號，可用於表徵和量化膠原蛋白支架經歷不同交聯作用後所導致的結構差異，且能推導出訊號與機械性能之間的關聯性。此外，比較分析這兩種訊號，可用來監控交聯過程中膠原蛋白分子的結構(三股螺旋)變化。
-
-
-
未來科技館 基於互動感知的自動化物件偵測學習
未來的自動化工業場域中，物件偵測模型必須克服標註樣本過少的問題及能夠迅速針對當下產線需求進行微調。本技術開發全新物件偵測學習技術，使少樣本物件偵測模型與機械手臂進行協作，對新目標物進行動態多樣性資料收集與逐步適應於當前任務，並能持續學習進步，訓練過程無需任何人為標註資料，在相關領域呈現極大進展。
-
