電機工程學系

指導教授

詹曉龍  長庚大學電機系

TEL:886-3-2118800-5145

Email: chanhl@mail.cgu.edu.tw

🔬 專長領域（Research Focus Areas）

📌 人工智慧（AI）與電腦視覺、生理訊號分析

運用 人工智慧（AI）與深度學習 分析即時感測資料、生理訊號與行為特徵，發展可應用於智慧復健、互動系統與自主裝置的智慧判斷與分析技術。

⚙️ 微控制器與生醫感測電子電路系統

以 微處理器與嵌入式系統 為核心，整合感測、即時處理與控制回饋，建構可實際運作的穿戴式裝置與智慧健康系統。

📡 嵌入式 AI、Edge AI 與 TinyML 系統整合

將 AI 模型部署於嵌入式與低功耗平台，在有限算力與功耗條件下實現 即時推論、智慧決策與互動控制，對應現今智慧裝置與車載系統的實際需求。

🎯 AR／VR 沉浸式互動與復健訓練系統

結合 AR／VR 與互動回饋機制，設計沉浸式、任務導向的復健訓練情境，提升使用者參與度與訓練誘發效果。

本實驗室長期聚焦於穿戴式醫學量測、神經資訊處理、深度學習於醫學應用，以及虛擬實境（VR/AR）復健訓練系統之研究與實作，近年來，實驗室研究進一步向嵌入式 AI 與智慧系統整合延伸，研究主軸涵蓋感測資料擷取、即時訊號處理、智慧分析演算法與互動回饋系統設計，相關成果詳情如下，展現實驗室在「醫電研究 × 嵌入式 AI × 系統整合」方向之完整研究鏈結。延伸擴展融入後續研究計畫、場域試辦與新計畫申請之核心基礎，截至目前，實驗室已主持 27 件國科會研究計畫、兩期共六年及一期三年之經濟部學界科專分項計畫、15 件長庚醫院研究計畫，以及 3 件工業技術研究院委託之學界技術開發計畫。研究成果累積發表 82 篇期刊論文與 6 項專利；依據 2026 年 1 月 SCOPUS 資料，總引用次數達 2,014 次，h-index 為 24，展現實驗室在醫電工程與智慧健康領域之穩定研究能量與國際能見度。

⚡「嵌入式 AI 智慧駕駛引導無人載具 × B5G 即時互動監控系統」震撼登場！

林炆標系主任 × 詹曉龍教授

領航本系「下世代行動通訊垂直應用示範基地計畫」

所帶領之學生 范家豪 林建宏 Truong Minh Triet 榮獲 教育部政策型實務(作)競賽（S+ 等級）2025行動通訊實務競賽 季軍！🏆🔥

網站連結: https://proj.moe.edu.tw/b5gmoe/News_Photo_Content.aspx?n=6192&s=19321

實驗室2025年榮譽榜(僅列最新榮譽)

1.     深度學習在醫學的應用

以本實驗室研發的裝置或虛擬實境系統所得之生理訊號或直接由醫院取得的癲癇、巴金森氏症腦波與睡眠呼吸障礙生理訊號，以進階訊號處理及深度學習為主的人工智慧(AI)演算法，開發疾病相關辨識與評估指標。

Deep neural networks for the detection of temporal-lobe epileptiform discharges from scalp electroencephalograms, Biomedical Signal Processing and Control, 84:104698, 2023.

https://www.sciencedirect.com/science/article/abs/pii/S1746809423001313

Convolutional neural network for individual identification using phase space reconstruction of electrocardiogram, Sensors, 23(6):3164, 2023.

https://www.mdpi.com/1424-8220/23/6/3164

Deep neural network for the detections of fall and physical activities using foot pressures and inertial sensing, Sensors 23(1):495, 2023.

https://www.mdpi.com/1424-8220/23/1/495

Enhancing plantar pressure distribution reconstruction with conditional generative adversarial networks from multi-region foot pressure sensing, Biomedical Signal Processing and Control, 100:107187, 2025.

https://www.sciencedirect.com/science/article/pii/S174680942401245X

2.     AR/VR: 應用擴增實境與虛擬實境於復健訓練，呈現沉浸式與多樣性的任務型態，透過視覺回饋達到導引與誘發效應。

以穿戴式裝置為橋樑，設計適用於巴金森氏症及中風患者之虛擬實境(VR)復健場景，提供回饋，提升沉浸感及復健多樣性，改善大腦可塑性，改善動作功能。

Event-related brain potentials reveal enhancing and compensatory mechanisms during dual neurocognitive and cycling tasks, BMC Sports Science, Medicine and Rehabilitation, 15:133, 2023.

https://bmcsportsscimedrehabil.biomedcentral.com/articles/10.1186/s13102-023-00749-6

Resistance-induced brain activity changes during cycle ergometer exercises, BMC Sports Science, Medicine and Rehabilitation, 13:27, 2021.

https://bmcsportsscimedrehabil.biomedcentral.com/articles/10.1186/s13102-021-00252-w

Evaluation of anticipatory postural adjustment before quantified weight shifting—System development and reliability test, Applied Science, 11(2):758, 2021.

https://www.mdpi.com/2076-3417/11/2/758

3.     嵌入式 AI、Edge AI 與 TinyML 之異質加速架構自主行動與即時互動智慧系統研究(Embedded AI, Edge AI and TinyML based Heterogeneous Accelerated Autonomous and Interactive Intelligent Systems)

現在的 AI 不再只是跑在雲端或電腦上，而是直接跑在裝置裡面。手機、車子、機器人、智慧穿戴裝置，甚至各種感測設備，都開始內建 AI 晶片，讓系統能即時「看、聽、判斷、行動」。本實驗室研究的核心，就是 Embedded AI、Edge AI 與 TinyML——也就是把 AI 放進嵌入式系統，讓它在有限算力與功耗下即時運作。

• Embedded AI：
  讓 AI 成為系統的一部分，直接控制裝置行為，而不是只做分析。
• Edge AI：
  資料在裝置端即時處理，不用等雲端回傳，速度快、延遲低。
• TinyML：
  在很小、很省電的裝置上跑 AI，適合穿戴式裝置與感測器。

在這樣的架構下，實作的智慧系統，包含影像辨識、語音互動、自主行動與即時監控，並搭配 5G 網路做到低延遲回傳與遠端管理。

4.     虛擬鏡像回饋與機器人輔助訓練應用於中風後偏癱及5G技術

整合鏡像回饋訓練及動作偵測與評估於機器輔助訓練平台，設計不同動作類型的虛擬鏡像回饋場景，增加患者執行任務時的訓練意願，治療師亦可視病患的狀況調整任務的難易度，兼顧訓練要求及病患任務訓練完成度。另外可直接從訓練過程中直接計算生理與行為評估指標。任務的多樣性預期可以誘發更多的鏡像神經元運作及腦區間的功能連結性。