中央研究院之科技研發績效 變、及楔形體底部滑脫斷層型態等因素，研究重現臺灣造山帶複雜的構造如重大斷 層的發育、岩石葉理面型態與應變、褶皺作用，並吻合各種地質與地球物理資料如 熱定年結果、變質溫度、地震層析成相的構造型態，文中討論不同的參數對造山楔 形體構造的影響。此新的研究方法不僅可以瞭解臺灣造山機制，也可助於研究全球 其他造山楔的機制。 (2) YOLOv9 YOLOv9 是當代最快最強的即時物件偵測方法。由於其提供了一套可信任AI 學習方法，因此比起以往方法能夠更正確地找出輸入資料與輸出目標的關聯性。使 用YOLOv9 開發的系統已被全世界廣泛使用，學術成果刊登於頂尖國際電腦視覺會 議ECCV 2024。截至目前為止，YOLOv9 已有超過1,200 次的引用數，足可見 其在該領域的重要影響力。 (3) 人工智慧之基因和醫學影像整合技術－第二型糖尿病風險評估 本研究利用AI 機器學習與統計學習，分析大型人體生物資料庫的全基因體及多 模態醫學影像報告大數據，建立多基因風險分數與多模態影像風險分數，結合年齡、 性別和疾病家族史等變項，並輔以統計模型預測發病時間，建立第二型糖尿病(Type 2 Diabetes, T2D) 風險評估技術與系統。關鍵突破包括：1. 建置T2D基因風險分 數(Polygenic risk score, PRS)，預測能力優於國際標竿。2. 首創T2D多模態 影像風險分數(Multi-image risk score, MRS)。3. 首創可整合全基因體、多模 態醫學影像、人口統計變項以評估T2D風險的技術與系統，預測T2D風險正確性 (Area under the receiver operating characteristic curve, AUC) 高達 0.95，遠超國際標準。4. 建立最適合本國與東亞族群的T2D風險評估模型。5. 所 15
RkJQdWJsaXNoZXIy MTI2NzAzOA==