第4期

         曾冠誠學長於民國110年通過科技部大專學生研究計畫，獲得台幣48,000元獎助學金補助，進行專題「透過CNN卷積神經網路對心電圖心律不整進行分類」的研究，在謝建興教授的指導下，完成長達八個月的研究計畫，並成功推甄錄取清大動力機械工程學系碩士班。

4B曾冠誠學長

專題研究動機及目的
       近年來各國步入高齡化社會，因此年長者的慢性病預防變得至關重要。世界衛生組織指出心血管疾病佔全球總死亡人數 31%， 40 歲以上的族群死亡率更是急遽攀升，年輕族群也飽受威脅。此研究專題的目的是從在心律不整心電圖(ElectroCardioGram，ECG)資料庫中，透過人工智慧(Artificial Intelligence，AI)的演算技術，開發快速精準的心電圖判讀方法，協助醫生來評斷患者的心血管問題，保障大家的身體健康。

研究方法
       曾學長將AI影像辨識技術與心電圖做結合，AI影像辨識技術使用卷積神經網絡(CNN)的AlexNet深度學習模型，AlexNet深度學習模型一共使用 5 層卷基層、3 層池化層及3 層全連接層。首先，他從 PhysioNet 網站中的數據庫獲取大量的 ECG 數據，將蒐集來的心電圖頻率調整至360 Hz，將這些實驗數據轉為AI能辨識的二維回歸圖(Recurrence plot，RP)，透過擷取ECG信號圖的特徵，導入AlexNet深度學習模型的程式運算來達到訓練AI的目的。訓練完成後，此模型實驗結果顯示的預測值準確率高達93 %，驗證的誤差低於0.15 %。

卷積神經網絡(CNN)的AlexNet模型架構

實驗流程圖

研究過程與困難
       曾學長以他謹慎與細心的個性，穩扎穩打照著自製的日程表逐步地將每一個步驟都打上一個完成的勾，只是研究過程中難免會遇到挫折，在設計機器學習的程式部份時，需要運用AI相關技術來分析。然而，他對此領域並不熟悉，幸好有實驗室裡一位博士班學長的幫助，透過與他的討論後，專題的進行才慢慢漸入佳境。曾學長表示:「人脈是非常重要的，人與人要互相扶持，知識互相交流，問題自然會解決。」最後，曾學長就這樣一步一腳印地完成大專生研究計畫。

給學弟妹建議
       每年能成功通過科技部大專生研究計畫的學生寥寥無幾。曾學長表示:「在校成績、指導教授及研究題目」是成功申請大專生研究計畫的關鍵三要素，顧好自己的成績是首要條件，接者選擇與自己興趣相符的研究題目並找到擅長此領域的指導教授，只要把握好這三點，申請成功的機率就會大大上升。