本技術為一種利用人工智慧中近幾年流行的深度學習所開發出的肝硬化分級技術。
一般而言要判斷肝臟硬化的程度需要醫師在顯微鏡下去觀察門脈結構來判斷肝臟中之纖維狀態與分佈，這個過程不僅費時，且不同醫師之間也有可能出現不同的診斷結果，而本技術判斷出來的肝臟硬化結果可以作為一個客觀的指標。
病毒性肝炎診斷其中一項常用的指標為Ishak分級，來評斷肝臟纖維化的程度。本技術發展纖維分割模型及環狀纖維演算法在病理切片下分析肝炎的程度。
偵測纖維是否有環狀結構，須先分割出肝纖維區域，本研究發展多尺度網路搭配小物件偵測的 cost function，在病理影像下分割纖維，並利用環狀演算法，計算纖維包覆之肝細胞區域的程度及型態，以分析纖維在門脈及中央靜脈擴散的程度，作為Ishak分級參考，並判定是否有肝硬化現象。

本研究提出複合式演算法，針對如Masson染色下的病理切片的纖維區域進行物件分割、門脈及靜脈的區域偵測，以及本技術所開發出的環狀纖維演算法進行評估後，得到在判斷肝臟纖維化上醫生常使用的Ishak評分作為分級結果。

利用深度學習所開發的肝硬化分級技術，來判斷肝臟纖維化的程度。且本技術所得到的結果可以做為客觀的醫療指標，醫師可藉此更有效率的評估病患的情況，以便能夠做出更好的診斷，除了經濟上的利益，也為全人類帶來健康的福祉。