2020年研究計畫概況

張智星

簡表

中文名稱	英文名稱	主持人	補助單位	計畫編號	補助金額	開始日期	結束日期
自動化個人電腦品質控管測試系統	Automatic PC quality control and testing systems	張智星	和碩聯合科技		1640347	2020/11/1	2021/10/31
建立人工智慧多面向分析平台以預測、診斷及介入巴金森氏症與相關神經退化性疾病	Developing an artificial intelligence-based multidomain sensing platform to predict and early intervene Parkinson's disease in aging society	張智星	科技部	MOST 109-2221-E-002 -163 -MY3	1004000	2020/8/1	2021/7/31
適用於邊緣運算的喚醒詞辨識系統	Keyword spotting on edge devices	張智星	聯詠科技		1288000	2020/6/1	2021/5/31
植基於電腦視覺之無人機避障研究計畫	UAV obstacle avoidance system with computer vision	張智星	中科院		900000	2020/1/1	2020/12/31

詳細資料

1. 自動化個人電腦品質控管測試系統
   • 英文名稱: Automatic PC quality control and testing systems
   • 計畫編號:
   • 主持人: 張智星
   • 補助單位: 和碩聯合科技
   • 計畫執行期間: 2020/11/1 to 2021/10/31
   • 關鍵詞: Machine learning, pattern recognition, automatic testing
   • 摘要簡介:
     本計畫欲解決和碩內部測試流程的自動化問題。在和碩內部測試流程中，測試工程師必須不斷對欲測試的機台進行各種各樣的測試，由BIOS端、開機語言測試、各式系統測試(包含驅動程式、語言、顯卡跑分等)，由於種類繁多，流程複雜且耗費人力，因此和碩內部急需統整一種方式，以解決測試流程自動化問題，以期能釋放人力來做更有效能的產出。

2. 建立人工智慧多面向分析平台以預測、診斷及介入巴金森氏症與相關神經退化性疾病
   • 英文名稱: Developing an artificial intelligence-based multidomain sensing platform to predict and early intervene Parkinson's disease in aging society
   • 計畫編號: MOST 109-2221-E-002 -163 -MY3
   • 主持人: 張智星
   • 補助單位: 科技部
   • 計畫執行期間: 2020/8/1 to 2021/7/31
   • 關鍵詞: Neurodegenerative disorders; Parkinson's disease; Dementia; Artificial Intelligence; Deep Learning; Machine Learning; Facial recognition; Speech recognition; Human Pose Estimation
   • 摘要簡介:
     世界人口高齡化，巴金森氏症為最常見的神經退化性疾病之一。典型症狀為不自主 顫抖、肢體動作緩慢與步伐小碎步，後期易重心不穩容易跌倒，並合併合併認知功 能下降甚至演變為巴金森症失智症，病理變化為多巴胺神經細胞中出現a- synuclein不正長的沉積導致神經細胞凋亡，目前無法根治，對家庭社會負擔極大 。臨床上，還有一群類似巴金森氏症，但合併其他系統退化(例如自主神經、小腦 系統、額顳葉皮質等)的非典型巴金森症候群患者，這群症候群患者對藥物治療反 應與預後不佳。本團隊之台大醫院神經部多年前已利用磁減量免疫檢測技術，獨步 領先全球達到血液檢測巴金森氏症血液生物標誌的階段，以協助鑑別巴金森氏症與 巴金森症候群。我們在過去兩年已招募97位65歲以上之健康長者與206位不同嚴重 程度之巴金森症患者，完成血液中分子致病蛋白標記與腦部結構性磁振影像數據。 除此之外，在巴金森症狀出現之前，病患其實已開始出現表情減少、說話聲音變小 、字跡改變與步態變慢拖步等細微徵兆。有鑑於本團隊過去深耕臉部表情、語音辨 識及語調相似度，並已建立肢體動作偵測模式，本計畫將結合臨床與深度學習資訊 工程進一步整合上述腦部部、血液與臨床表徵等標誌，預計收案與長期追蹤100名 健康長者、200名不同嚴重程度的巴金森症患者與100名非典型巴金森症候群患者 ，本計畫目的如下:
     1. 整合橫斷面(cross-sectional)之健康長者、不同嚴重程度之巴金森症患者與巴金 森症後群病患之腦影像與血液生物標記資訊，以深度學習演算法，建構可以鑑別不 同疾病族群與病程嚴重程度之模式。
     2. 長期追蹤(prospective cohort)健康老年長者與不同嚴重程度之巴金森氏症患者 ，藉由結合面部表情分析、語音分析、肢體動作、步態分析與臨床神經心理評估 ，以人工智慧運算法則來分析這些多面向的資料，預測罹患風險與病程退化的個別 差異性，以做為協助疾病於臨床前期的診斷與量化神經退化的速度之整合式分析平 台。
     3. 藉由上述目的一與二找出之臨床前期患者，我們將開發虛擬實境的互動遊戲式 訓練，再以目標二建構之多面向分析平台分析相關指標進步之幅度，以做為早期介 入減緩動作功能與認知功能退化之策略。
     本計畫的結果，將有助於建立預測巴金森氏症罹病風險與病程惡化之人工智慧模式 ，及早偵測健康長者轉變為巴金森氏症或是病情轉折惡化之黃金關鍵時間點，將可 協助未來神經保護策略或藥物之輔助分析平台。

3. 適用於邊緣運算的喚醒詞辨識系統
   • 英文名稱: Keyword spotting on edge devices
   • 計畫編號:
   • 主持人: 張智星
   • 補助單位: 聯詠科技
   • 計畫執行期間: 2020/6/1 to 2021/5/31
   • 關鍵詞: Keyword spotting, edge computing, speech recognition, deep neural networks
   • 摘要簡介:
     Google於2010年提出的"Google Search by Voice", 為近十年的語音命令技術立下了穩固的奠基, 使得在Android/iOS裝置及智慧音箱上都能有成熟的語音助理服務, 例如Google Assistant、Apple Siri、Amazon Alexa等. 隨著語音辨識技術的進步, 語音助理服務的應用範圍愈來愈廣泛, 包括車載系統以及智慧家電的語音互動. 本計畫將以智慧家庭核心的智慧電視為主要標的, 為家庭成員提供語音助理服務，例如開啟、關閉電視, 提高、降低音量, 查詢天氣、時刻表等服務。

4. 植基於電腦視覺之無人機避障研究計畫
   • 英文名稱: UAV obstacle avoidance system with computer vision
   • 計畫編號:
   • 主持人: 張智星
   • 補助單位: 中科院
   • 計畫執行期間: 2020/1/1 to 2020/12/31
   • 關鍵詞: Unmanned aerial vehicle, drone, UAV, simultaneous localization and mapping, SLAM, military application, computer vision, monocular camera, surveillance, obstacle avoidance, convolutional neural networks, CNN, Inspect/RestNet, deep learning, GPU computing, parallel computing, Virtual reality, augmented reality, detection, reconnaissance, positioning, self-driving technology, edge computation, artificial intelligence
   • 摘要簡介:
     近年來無人機相關應用逐漸多元而廣泛，在軍事用途上，也因其價廉、方便 、輕量等特性，逐漸成為重要技術開發重點。從室內的定點監視空間，到野外自 動定位遞送物品，舉凡救災、偵查、以至於攻擊，皆可見無人機的影子。因人工 智慧相關技術興起，自駕技術也成為無人機重點技術競爭場域，其中無人機的避 障為自駕技術中的基礎，而應用於無人機避障之電腦視覺技術可用於定位、虛擬 實境(VR)、擴增實境(AR)等。 我們著眼於無人機自駕技術的基礎，所要探討或解決的問題為：無人機避障 技術。本研究植基於電腦視覺，蒐集與準備訓練資料，利用卷積網路 (CNN, Convolutional Neural Networks)為基礎的結構與深度學習模型，或 Google的Inception深度學習網路，並結合同步定位與地圖構建 (SLAM, Simultaneous Localization and Mapping)技術，僅需以單/雙鏡頭的影 像結合無人機位移，估算出與周圍環境物體的距離(深度)，進而偵測障礙與避開 障礙。現階段，邊緣運算(Edge Computation)常用以輸出高精準度的推論與結果 。本計畫將透過GPU硬體架構來進行平行運算處理，以期能快速有效率地得到準 確的定位和建圖輸出。 本計畫應用層面的構想源自於研究開發無人機自駕技術，在未來可用於多種 面向，其對於未來的研究工作以及應用層面具有很深遠的影響性。