由於近年學界誤植、或重複利用、或後製修改實驗影像的案例頻傳，且目前國內外尚缺乏可檢測此類問題的演算法，所以我想藉此研究計畫發展可泛用於多種生醫實驗影像變造檢測與相似性比對技術。我預計這個問題可以分成兩部分，一部分是針對western blot或電泳圖等影像的快速檢測技術，另一部分則是針對泛生醫實驗影像的相似性比對技術。計畫的最終目的是要建立自動化人工智慧分析機制，執行方法上則預計引入我於工研院巨資中心任職期間所參與的「AI工業視覺深度學習技術」。但由於所有的AI類演算法都需要挹注大量的訓練資料(training data)，因此策略上我們必須先依循傳統影像與信號處理方式，建立適當的影像處理演算法來分析影像，以利能累積夠多具妥善標記的資料集來作為訓練之用。本計畫原本預估需時三年，計畫前半期將致力完成傳統影像處理演算法的設計、研究、實作、量化分析、與型一型二錯誤的分析測試，計畫的後半期則將以建立AI模型、與設計程式介面為主。目前正依照原始規畫架構系統、並根據人造盲測影像與Pubpeer的公開案例來改進原始系統規畫。我們希望能藉此技術來幫助國內學界避免發生不當的影像誤植或影像變造事件。

以下則為專利申請書的發明摘要：
 本發明係提供一種人工變造影像檢測系統及方法，用以對輸入影像進行影像檢測。根據本發明設計，一處理模組、一影像差異運算模組、一二值化模組、與一影像混合模組係透過函式庫、變數或運算元的形式建立於一影像分析裝置之中。同時，本發明又特別設計該處理模組具有量化參數建立單元、相似運算單元與偽背景產生單元，其目的在於影像分析裝置於能夠在輸入影像上顯示人造的影像。此外，當量化參數不足或不需進行量化分析時，本發明特別設計所述處理模組具有二維高斯低通濾波單元、參數設定單元與偽背景建立單元，進而讓處理模組只需利用高斯模糊化的方式完成該輸入影像之影像檢測。

本技術有以下主要三點貢獻：
（1）藉由傳統的影像背景分析技術，這是第一個可針對凝膠電泳影像真實性進行盲檢的方法。
（2）本技術幾乎不需使用額外參數，所有計算結果均利用相同的計算基礎得出。故，可以避免誤報。
（3）本技術利用封閉解進行計算。因此，計算速度快，可適用於大規模的影像後製變造偵檢任務。

近年來國內外誤植、或後製更改實驗影像的事件頻傳，故我們擬規劃一系列可針對生物醫學影像資料的快速篩檢技術及相關服務。目前，我們已經開發了一項可針對凝膠電泳影像的後製變造快速盲檢技術。我們希望此技術可協助上級指導單位，如：科技部、教育部等，監督研究成果，或協助學界避免誤植影像，降低影像濫用比率。

期刊論文稿正在準備中。2018年時，已於IEEE Global Conference on Signal and Information Processing (IEEE GlobalSIP)報告過此技術。GlobalSIP為IEEE Signal Processing Society旗下，次於ICASSP、ICIP的弟三大年會。