繁 
En 元智大學電機通訊學院院長陳敦裕教授，帶領實驗室團隊成員孫宜辰、戴佑哲、賴俊丞和許育禎，與亞東醫院影像醫學科的醫師群，包括謝詔裕醫師、陳健翎醫師、邱意軒醫師及張鈺澐醫師，以實驗室YZU MISLab為名，參加Google Kaggle 世界級競賽所舉辦的AOCR 2024 急性闌尾炎電腦斷層影像辨識競賽中，與來自國內外知名大學及醫院研究團隊競技。經過三個月激烈角逐，從近200組參賽隊伍中脫穎而出，憑藉超過92%的驚人預測準確度，榮獲冠軍殊榮。
急性腹症(Acute abdomen)意指嚴重急性腹痛並且需要緊急處置的疾病，急性腹佔急診室就診約7-10%，其中以急性闌尾炎為最大宗，而電腦斷層掃描(Abdominal CT)為其最常用的診斷工具，雖然過往已有許多研究，但急性闌尾炎的診斷仍然具有挑戰性。誤診或延遲診斷會增加穿孔、腹膜炎和腹腔鏡手術併發症的發生率，這些都與後遺症和死亡率有關，因此快速準確診斷急性闌尾炎對於有效地治療急性腹痛至關重要。
然其症狀常不明確且與其他疾病重疊，即使是在臨床醫師進行理學檢查並擁有抽血檢驗結果之下，急性闌尾炎的診斷也很困難。在現代醫學影像診斷中，電腦斷層（CT）影像在闌尾炎檢測中具有關鍵作用，然而準確地分割出影像中的發炎闌尾區域仍然是一項極具挑戰性的任務。首要挑戰在於影像中發炎區域的準確分割，需要深度學習模型具有高度的感知能力和泛化能力，以處理不同患者的病情。
元智大學電機系陳敦裕教授率領實驗室的團隊使用電腦斷層掃描影像，進行判別是否發生急性闌尾炎。主要方法為透過結合二維及三維人工智慧影像分割模型區分是否有急性闌尾炎。指導教授陳敦裕擔任領導角色，指導學生團隊創造解決方案，預測急性闌尾炎是否是特定急性腹痛的原因，同時突顯CT掃描中的關鍵切片，以協助醫療專業人員快速檢測發炎的闌尾。
陳敦裕指出，亞東醫院影像醫學科醫師團隊在此次競賽中扮演相當關鍵的角色，憑藉著豐富的醫學知識和經驗，解釋醫學影像的特定情況，為模型的設計、開發與訓練提供正確的方向，確保模型能夠正確地解讀和分析影像。同時參與模型的驗證和評估過程，提供專業的評估意見，確保模型的性能達到醫學標準，同時提供改進建議。
主辦單位中華民國放射線醫學會郭冠宏醫師對於元智獲獎表示肯定與讚許，透過結合科技與醫學，期待元智大學的努力將為醫療專業人員提供更快速、準確的診斷工具，改善患者的治療結果。這場國際級的競賽不僅提供促進人工智慧在醫學影像領域發展的平台，同時也是對YZU MISLab團隊努力的肯定。
