5月8日，捷絡生技行銷處副處長林奇佑博士、元利儀器科學應用部洪金俊博士、產品專員易德明前往成大醫學院分享影像處理軟體與人工智慧對顯微影像分析的應用。此講座也是成大醫院40周年慶祝活動之一，吸引超過百位醫療專業人員與醫學院學生入座。

洪金俊博士與聽眾分享開源影像處理軟體ImageJ在顯微影像的應用方法與原理。ImageJ由美國國家衛生研究院（National Institutes of Health）開發，奠基於Java，免費、開源且可以讓使用者自行設計巨集。它能支援各種檔案格式，Windows, Linux, Mac系統都可以安裝，既有插件超過500種，在世界各地具有廣大使用者與開發者社群。

數位影像由畫素（pixel）為基礎單位，基於此原理，ImageJ可以量化影像中的畫素，依其在不同顏色、亮度的表現賦予數值，並進行後續統計分析。對人眼來說相同的影像，量化的結果可能完全不同，反之亦然。

在常見應用方面，ImageJ可用來計算螢光顯微影像中特定細胞或構造的數量，且能設定門檻，只計算特定大小範圍內或螢光強度的畫素；亦可用來量化DNA電泳膠照片上不同泳道的核酸成像，得到比肉眼更深入的判斷。善用ImageJ可以對生醫檢測影像進行快速分析，更能對圖像達成科學化的測量、對比。

林奇佑博士則向聽眾傳達捷絡生技普及病理數位化的智慧化醫療願景。他們的3D 數位病理影像解決方案中用高速影像擷取結合組織透明澄清化技術，得以透視樣本整體，從中獲取大量影像資訊並由人工智慧加以分析。其中的要角人工智慧軟體MetaLite，搭配Intel OpenVINO toolkit，可以將數位病理閱讀與分析應用在不同系統的電腦，包括個人化的輕型筆記型電腦，讓使用者可以跨過服務單位系統建置的門檻，進入數位病理的新領域。

病理研究領域出身的林奇佑強調，病理科的檢驗及診斷左右臨床醫療方法的最終決策，因此病理分析的準確與精細程度愈來愈受重視，AI的加入更是不可避免。輔助病理分析常用的AI模型為語意分割(semantic segmentation)，透過語意分割模型的像素級解析，可以在量化分析樣本在細胞層級的特徵，給予醫師遠超過肉眼判斷的精確分析。然而，高速語意分析的系統建置費用往往讓醫療院所卻步。

捷絡生技團隊測試多種輕量化模型架構，搭配Intel 第11代 CPU晶片中的iGPU功能，讓AI達到比常見GPU更快的運算能力。使得MetaLite足以運用在個人化軟硬體如筆電、AIoT裝置上。醫療人員與患者不需高昂成本，就能得到人工智慧輔助的病理檢測結果，得到更精確適當的療法建議。最後一位講者易德明則向聽眾介紹來自EVIDENT｜OLYMPUS研發的TruAI，一款可以由使用者自行訓練，透過機器學習能力達到客製化辨識能力的智慧影像軟體。

易德明以細胞計數為例，傳統上必須利用DAPI或是Hoechst等染劑標定細胞核，使其得到螢光，才能計算畫面中的細胞數目。而使螢光染劑發光的過程也會讓樣本細胞遭受紫外光照射使細胞承受光毒性（photoxicity）。而利用螢光染劑標定細胞核時，難以標定其他胞器。

藉由TruAI的能力，研究者只需要拍攝明視野顯微影像，軟體便能將自動辨識細胞核，並精確標定位置、計算數量。細胞學實驗得以因此省下細胞核染色，提升效率。且樣本免於紫外光毒害，得以保持活性，活細胞生理得以被觀察。且TruAI辨別細胞核的能力比傳統螢光定量法更為精準、迅速。