吕姓学生以「以新建构之卷积神经网路对脑部核磁共振影像执行多发性硬化症」为题参展，拿下国中组「生活与应用科学（一）科」第三名。
摘要中指出，该研究新建构卷积神经网路，提出一套以深度学习为基础，可自动辨识脑部核磁共振影像中，分割多发性硬化症病灶之人工智慧病灶判读方法。研究使用约翰霍普金斯大学影像分析与通讯技术实验室授权提供之Longitudinal Multiple Sclerosis Lesion Imaging Archive资料集为训练与测试资料，共151笔核磁共振临床资料、39583744笔像素资料，并以IoU与dice系数为评估指标。经实证发现，本研究提出的方法，具有显著IoU值，达0.8523，另dice系数亦较其他方法高，其值为0.9392，且在速度方面，祯数高达13.79。研究成果未来可连结医院之核磁共振影像资料库，自动分割出核磁共振影像中多发性硬化症病灶，以利于早期诊断与治疗。
因为研究相当专业，被人质疑「不是本人所做」，吕同学今天也透过脸书发声，他表示会有此怀疑，一定有人是看过科展代笔的相关问题，他愿意亲自释疑。
吕同学表示，这篇研究一共进行了2年，前面大量的时间在技术碰壁，更每天晚上熬夜，试著跟国外各医院和大学实验室讨论资料授权。「也有人附上我所使用的资料集，因为NITRC网站上导向的Smart-Stats-Tool资料已无法申请，那是当时我向该负责人另外写email索取到的资料，但还是以public dataset的方式撰写。也从那时开始养成每天读paper的习惯，便拥有了英文的学术阅读能力。」
他特别感谢主要的指导教授台大资工张老师的无私指导，但他强调，资料授权、训练机器，教授都是没有特别协助的，而是每周线上和他讨论书面资料和研究方法。「从小五到台大资讯系统训练班上课后，教授便已有指导我的研究法，为我的学术基底打得非常稳。然而中小学科展不能有校外指导老师（跨校指导不适用于大学），因此才没有在指导名单。」
吕同学表示，训练机器在刚开始调整阶段还是使用Colab，后来是使用AWS EC2 g4dn.xlarge，有些人可能看到这里就会说有财力，但这个instance随需价格是0.526 USD/hr，并在上面架设Jupyter Lab操作。
至于大家认为可能跟家长有关。吕同学说，爸妈并没有这领域的技能和知识，这个研究是他在老师的协助之下独自完成。之所以选择多发性硬化症，是因为在国内约1000例的罕见疾病当中，便认识3位朋友受此疾病所扰，他们也都有分享误诊和延误治疗的问题，便想进行这个研究，解决延误治疗的问题。
吕同学正面地表示，「感谢各位前辈的建议和鼓励，我认为自己仍有极大不足，例如实验资料数不足、模型创新性不够，我会再继续努力学习，但也希望不要以教育阶段或体制平均去抹煞一个人的努力。」他也从2021年开始参与 g0v.tw 台湾零时政府，经常在各公民社群和开放原始码相关议题的社群中打滚，并发起了开放教育相关专案，未来会继续努力。
网友看完文笔大惊，「您是我们台湾学生的骄傲」、「能自己花时间又愿意做这个题目真的很厉害，恭喜得奖」，另有人表示「看到有人说，期待你是另一个唐凤，我则是认为你会一直是独一无二的你，跟唐凤一样发挥超乎常人的能力，引领台湾走向不同领域。有各种天才的台湾，真好。」
★快点加入《壹苹》Line，和我们做好友！
★下载《壹苹新闻网》APP
★FB按赞追踪《壹苹新闻网》各大脸书粉丝团，即时新闻到你手，不漏任何重要新闻！
點擊閱讀下一則新聞
