Technology
一個引擎，
三種模態，同一套判斷邏輯。
DR 的平面、CT 的切面、MRI 的訊號，本質上是三種不同的成像語言。memo 的做法不是訓練三個互不相干的模型，而是共用表徵層、各自接上模態專屬的判讀頭。
判讀引擎為 memo 自行研發，是我們唯一自有的產品；掃描設備由合作廠商提供，兩者以 DICOM 對接，AI 不綁定特定機型。
Architecture
共用表徵，分模態解讀。
影像先經過統一的預處理管線：窗寬窗位校正、體位與平面標準化、解析度歸一。這一層讓不同廠牌、不同拍攝條件的影像被擺到同一個座標系上。
接著進入共用的三維編碼器，學習跨模態的解剖結構表徵；再由模態專屬的判讀頭處理各自的任務——DR 的投影關係、CT 的層間連續性、MRI 的序列對比邏輯。
最後的輸出層負責把結果轉成人看得懂的東西：邊界框、熱圖、量化數值與自然語言描述。所有推論都可回溯到對應的影像區域。
- 訓練影像
- 約 42 萬張（去識別化）
- 涵蓋模態
- DR · CT · MRI
- 標註醫師
- 38 位註冊獸醫
- 雙人覆核
- 100% 標註雙讀
- 更新週期
- 每季一次模型迭代
- 推理硬件
- 院內 GPU 或雲端
Model Performance
我們把指標攤開來講。
下表為各模態主要任務的內部驗證結果。指標不能代替臨床判斷，但至少讓你知道模型在哪裡可靠、在哪裡要小心。
| 模態 | 任務 | 敏感度 | 特異度 | AUC | 驗證樣本 |
|---|---|---|---|---|---|
| DR | 胸腔異常檢出 | 94.2% | 96.1% | 0.978 | 6,400 張 |
| DR | 骨折線偵測 | 91.5% | 95.8% | 0.964 | 4,120 張 |
| CT | 肺結節檢出 | 96.5% | 95.2% | 0.991 | 2,860 例 |
| CT | 異物定位 | 93.8% | 97.0% | 0.972 | 1,240 例 |
| MRI | IVDD 分級 | 91.8% | 93.4% | 0.962 | 1,580 例 |
| MRI | 腦部病灶標註 | 89.6% | 94.7% | 0.951 | 960 例 |
Explainability
獸醫要能推翻 AI，
才有資格採用它。
一個不能質疑的結論沒有臨床價值。memo 的每一項輸出都附上依據，讓獸醫能沿著證據回頭檢查。
熱圖與邊界框
標出模型關注的區域，而不是只給一句結論。若熱圖落在明顯無關的位置，獸醫會立刻知道這次判讀不可信。
量化數值
VHS、結節體積、壓迫比例、位移量——能用數字表達的就不寫形容詞，方便跨次比較與追蹤。
信心分數與不確定性
信心低於閾值時，系統會主動標示「建議人工覆核」，而不是勉強給出一個看起來肯定的答案。
修改留痕
獸醫採納、修改或刪除的每一項都記錄在報告中，形成可回溯的判讀軌跡，也成為模型迭代的資料來源。
Deployment
三種部署方式，
對應不同的資料政策。
香港雲端
資料存放於香港境內資料中心，開通即用，模型自動更新。
- 部署時間：1 個工作天
- 適合：中小型診所、多分院
- 更新：自動
院內伺服器
整套模型部署在院內 GPU 伺服器，影像完全不出院區。
- 部署時間：2–3 週
- 適合：專科醫院、轉診中心
- 更新：每季手動導入
混合模式
常規判讀在院內完成，複雜病例經授權後送往雲端進行二次分析。
- 部署時間：2 週
- 適合：有多院區的集團
- 更新：分層推送
Trust & Compliance
資料安全，不是一句口號。
法規遵循
技術防護
影像與病歷的邊界
模型偏差與適用範圍
Contact
技術細節，
可以坐下來慢慢談。
我們提供技術白皮書、驗證報告摘要與 API 文件，示範時一併說明。