Media Coverage

  • 2017-09-08

    六小時破解11難題 中大生駭客競賽奪冠

    Media: Headline Daily
    近年網絡勒索程式肆虐，中大工程學院及理學院四名學生早前以「WannaCry」為名，組隊參加首屆「全港大學校際駭客競賽」，成功在限時內破解多條取自真實個案的難題，勇奪冠軍。隊員指，希望透過這個影響全球的網絡勒索程式，帶出防範電腦病毒的重要性。
  • 2017-09-08

    黑客競賽 中大團隊奪冠

    Media: Oriental Daily News
    網絡勒索程式「WannaCry」早前肆虐全球，引起大眾對網絡安全的關注。香港中文大學四名學生特意以「WannaCry」為名，組成團隊參加在六月舉行的首屆「全港大學校際駭客競賽」，賽事要求參賽隊伍以黑客身份攻入模擬電腦網絡，以了解相關網絡系統的漏洞，中大團隊成功破解多條取自真實個案的難題，在六小時內攻入十一個系統，勇奪賽事冠軍。
  • 2017-09-07

    AI診斷肺癌乳腺癌 省時更準確

    Media: Hong Kong Economic Times
    中大工程學院近年開發以人工智能（AI）透過深度學習，學懂判讀電腦斷層掃描（CT）及病理切片，診斷肺癌及乳腺癌的準確率分別高達91%及99%
  • 2017-09-07

    Chinese University researchers build speedy new system to detect cancer using AI

    Media: South China Morning Post
    A medical imaging analysis system developed by Chinese University researchers could cut the time required to identify cancer cells from five minutes to just 30 seconds with the help of artificial intelligence.
  • 2017-09-07

    中大AI讀CT圖 30秒辨早期肺癌 準確率逾九成 冀兩年後港醫院應用

    Media: Ming Pao Daily News
    香港中文大學工程學院開發以人工智能（AI）深度學習系統，判讀電腦斷層掃描（CT）及病理組織切片等醫學影像，並針對肺癌及乳腺癌的影像做研究，結果發現利用人工智能判讀此兩種癌症的醫學影像，準確率分別達91%及99%，識別過程只需30秒至10分鐘，較傳統肉眼診斷省時。團隊指研發結果獲得醫學界正面回應，期望產品兩年後可應用於本港醫院。
  • 2017-09-07

    中大研CT掃瞄判讀乳腺癌 準確率99%

    Media: Sing Pao
    中文大學工程學院近年開發以人工智能進行深度學習，學習判讀電腦斷層掃瞄（CT）及病理組織切片等醫學影像，判讀出肺癌及乳腺癌的準確率高達91%及99%，識別過程所花時間更大大縮短，預計在未來一至兩年，這種自動化檢測技術將可於本地醫療界廣泛應用。
  • 2017-09-07

    人工智能斷癌症 準確度達九成九

    Media: Oriental Daily News
    診斷腫瘤和癌症，需要醫生仔細檢視掃描影像。中文大學研發把人工智能應用於診斷早期肺癌和乳腺癌，以「深度學習」系統，從同一病人大量掃描影像中，揪出異常部分，供醫生集中檢視，縮減醫生肉眼觀察的時間，準確度高達九成一至九成九，減少診斷過程中因個別醫生經驗和狀態的差異而影響病人診治
  • 2017-09-07

    中大A.I.半分鐘識別癌症 準確度九成

    Media: Headline Daily
    中大工程學系成功應用人工智能影像識別技術，通過深度學習系統判讀電腦斷層掃描（CT）及病理切片等醫學影像，把診斷肺癌及乳腺癌的準確度推高至九成一及九成九，只需三十秒內完成檢測。
  • 2017-09-07

    中大研AI診斷肺癌乳腺癌更快更準

    Media: Ta Kung Pao
    中文大学工程学院团队成功研究，利用人工智能（AI）更快更准确地识别电脑断层扫描（CT）及病理组织切片，诊断出早期肺癌和乳腺癌。
  • 2017-09-07

    人工智能看圖速辨早期癌症

    Media: Wen Wei Po
    肺癌及乳腺癌為本港常見的高危頑疾，為提升臨床診斷效率，中文大學工程學院研究團隊運用人工智能影像識別技術，通過深度學習系統判讀電腦斷層掃描及病理組織切片等醫學影像，以研究該兩類癌症。結果顯示，利用該技術判讀的癌症醫學影像，準確率分別高達91%及99%，識別過程亦加快至30秒至5分鐘，更降低了誤診率。團隊將與本地公營醫院合作，期望技術最快可在未來一兩年後廣泛應用。

Pages