科技進步除了讓醫療檢測變得更快速且方便之外，其掃瞄的影像皆可數位化並儲存至硬碟中，讓醫生之後可以重覆的閱片。然而，閱片時大量的影像資訊卻造成醫生必須更專注於影像的細節變化，一旦發現可疑區域時，又必須反覆來回的檢查確定，不僅耗時又可能因醫生經驗不足遺漏了病灶，因此，以深度學習架構為基礎，大量的醫學影像訓練資料為輔，建構一套可以偵測、診斷以及分析可疑病灶的電腦輔助系統是必須的，不僅可以協助醫師提高診斷率，同時更能以深度學習的架構讓電腦輔助系統適應未來大數據的時代，讓系統走入AI的領域。
　　本實驗室在歷年來科技部專題計畫、AI計畫及經濟部學界科專的補助下，已經發展出可商品化的電腦輔助診斷軟體，並將電腦輔助診斷系統技轉給國內廠商太豪生醫，目前自動超音波閱片軟體已取得美國FDA及台灣TFDA核准，該公司並獲得2016年生策會主辦的初創企業獎，為國內醫療產業的新尖兵。同時，我們和台大醫院外科部黃俊升部主任以「手持式超音波乳房影像掃描定位及診斷輔助系統」獲得2016年生策會主辦的臨床新創獎，而且大會再從學術新創組和臨床新創組中，選出「最佳產業效益獎」，同時此項產品也順利取得美國二項FDA及台灣一項TFDA核准。
　　人工智慧於醫學影像之影響層面分為三個部分：
　A)醫生層面
　　能在最短的時間內得到需要的資訊縮短閱片時間，讓醫生能高效率的完成檢閱病人的
　　超音波影像，並做出初步判斷以及可能的後續治療。不僅可協助醫生提升診斷準確率
　　，同時能達到及早發現與治療的目的。
　B) 技術層面
　　利用階層式的學習架構，將所有取得的影像當成訓練資料，讓系統可以從大量的訓練
　　資料中自動找出有用的特徵，提高擁有相似特徵但卻不同病例的診斷率，此外，開發
　　的輔助系統較過往傳統的系統容易維護以及更新，只需要一些文件，即可在不同的框
　　架以及平台上執行開發好的系統，擺脫過去框架與平台上的限制。
　C) 產業層面
　　本實驗室雖已經有技轉給國內廠商，但仍是以傳統的Handcrafted Features為主，必
　　須改用深度學習為主要架構的電腦輔助診斷系統，以進一步提升國內業者的技術能力。