高瑞鴻博士
資訊管理與人工智慧專家
結合資訊管理、人工智慧和醫療長照的跨領域專家，致力於運用先進技術改善醫療效能和社會福利。
學術背景
博士學位
2010年8月至2018年4月，於國立台灣大學生醫電子與資訊學研究所取得博士學位。
碩士學位
2007年6月至2008年9月，於世新大學資訊管理系研究所取得碩士學位。
學士學位
2005年9月至2007年6月，於景文科技大學資訊管理系取得學士學位。
現職與經歷

1

世新大學資訊管理學系副教授
2020年8月至2023年7月

2

世新大學資訊管理學系助理教授
2020年2月至2020年7月

3

世新大學通識教育中心助理教授
2019年2月至2020年2月

4

台灣固網股分有限公司主任工程師
2017年1月至2018年12月
其他重要經歷

1

臺北市政府社會局
市政顧問
2016年8月至2019年2月

2

國立臺北護理健康大學
電子計算機中心研究助理
2016年8月至2017年8月

3

中央研究院人文社會科學研究中心
專案經理
1998年5月至2012年9月

4

國立台灣大學醫學院附設醫院
資訊室工程師
經歷豐富，涵蓋學術、政府和產業領域
研究專長概述
人工智慧應用
結合數據分析和程式編寫，應用人工智慧技術於實證研究。
醫療人工智慧
利用深度學習技術分析臨床特徵，預測疾病和治療結果。
醫療長照資源分析
運用空間數據與醫療數據分析長期照護體系的發展。
醫療人工智慧研究
InceptionResNetV2應用於不孕症預測
利用InceptionResNetV2深度學習網絡架構，分析胚胎品質影像，結合母體臨床特徵，建立輔助不孕症預測模型系統。這種先進的技術能夠處理複雜的胚胎影像數據，提高預測的準確性和效能，有助於改善生育醫學領域的診斷和治療。
深度學習在臨床決策中的應用
通過深度學習技術，從大量數據中客觀分析並建立精確的預測模型，用於幫助醫師做出更明智的決策。這種技術有助於提高醫療效能，並改善患者的治療結果。
醫療長照資源與空間數據分析
研究方法
結合Relaxed Variable Kernel Density Estimator和Two-step Floating Catchment Area Method，分析台北市殘疾人潛在照護需求。
研究發現
強調在衛生系統內加強社會援助計劃的重要性，以及社會工作者和衛生工作者合作改善殘疾人獲得醫療保健服務的必要性。
研究目標
解析身心障礙者與支援機構的需求與資源契合度，檢討政策對身心障礙者的影響，改善醫療服務獲取。
醫療研究與地方發展計畫
1
資料收集
利用資訊技術蒐集高齡者日常資料，結合健康存摺架構。
2
數據分析
透過環境監測、健康紀錄與生理量測的長期比對，設計個人健康狀況預測模型。
3
機器學習應用
使用機器學習的自我監督模式持續改進預測結果，提高預測準確度。
4
實際應用
整合前端感測設備，創建大數據集，改善生活品質與提升健康管理。
未來研究方向
智慧配戴裝置
結合更多個人配戴智慧裝置，發展自動化健康紀錄傳輸與分析功能。
大數據分析
持續擴充資料母體，提高預測模型的準確度和適用範圍。
自我健康管理
強化民眾自我健康狀況掌控能力，提升自我健康管理意識與自主權。
研究影響與貢獻

1

醫療效能提升
通過人工智慧技術，提高疾病預測和治療決策的準確性，改善整體醫療效能。

2

長照資源優化
利用空間數據分析，優化長期照護資源分配，提高服務可及性和效率。

3

跨領域合作
促進資訊科技、醫療和社會福利領域的跨學科合作，推動創新解決方案。

4

社會福利改善
通過研究成果，為政策制定提供科學依據，改善身心障礙者和高齡者的生活品質。