NSTC 113-2222-E-029-002
自適應實體網宇異質性雲端原生平台研究
學生兼任助理。研究異質雲端環境下的自適應平台與系統整合。
研究
研究不是終點，是落地前的驗證。我的題目通常來自兩個地方：醫院裡被截斷的病歷，以及產線上只能靠經驗判斷的瞬間。
clinical nlp
讓稀疏的疾病標籤也能被看見
ICD-10 有上萬個代碼，但真正有足夠訓練樣本的只有少數。長尾不是雜訊，而是臨床編碼最需要解決的部分。
67.27%
Micro F1
baseline 29.35%
38.42%
Macro F1
baseline 0.66%
98.9%
Micro AUC
實驗結果
86.7%
Recall@15
前 15 個推薦代碼
industry collaboration
把模型帶到產線現場
產學合作的難點通常不是模型，而是現場的限制條件：光線、遮擋、感測器同步與人員的可理解性。
食品烘焙設備智慧自動化監控系統
以 YOLOv8 / YOLOv12 辨識麵包烘焙三階段狀態，結合溫度、烘烤時間與物性儀資料進行多模態判斷，並設計即時監控與資料視覺化介面。
- 將師傅的經驗判定轉化為可量化、可追蹤的訊號。
- 處理產線光線、遮擋與感測器時間對齊等現場問題。
- 以可解釋的介面呈現階段、信賴度與感測器讀值。
tail -f research.log
[clinical-nlp] 14,789 labels → 2,099 core labels
[clinical-nlp] macro F1 0.66% → 38.42%
[baking] image × temperature × time × physical
[baking] 3-stage recognition · dashboard prototype
[next] more real-world validation