DeepBT針對聽神經瘤、腦膜瘤、腦轉移瘤三種主要腦瘤磁振影像，使用獨特雙通道U-net深度捲積神經網路進行三維自動腦瘤圈選，克服影像軸向與平面解析度不同、不同類型腫瘤數量不均，體積大小位置不一、術前術後腫瘤變化與對位等問題，計算多時間點腫瘤體積變化，並以影像組學於術前預測療效，協助醫師診療決策。

DeepBT採用聽神經瘤、腦膜瘤和轉移瘤術前與術後巨量資料，建置病灶自動圈選深度學習模型， dice coefficient達0.8。此技術提供跨越時間維度、避免人為偏差、更可靠的體積變化計算，確實評估療效。透過影像組學分析，更能在治療前預判療效、可能的副作用(AUC0.80)，促進精準醫療發展。

"1.協助解決醫院醫師人力不足問題，提供可靠精準的腫瘤自動圈註
 
 2.準確辨識術後型態改變之腫瘤範
 
 3.橫跨多時間點高效率且客觀的體積定量描述，免除不同醫師的主觀差異性
 
 4.術前早期評估腫瘤治療反應尋求最佳治療方式
 
 5.增加醫師單位時間工作效率、提升病患信任與門診數、避免醫療糾