前言：你可能不知道的台灣隱形冠軍
提到醫療影像，大家可能會想到 GE、Siemens 這些國際大廠。但你知道嗎？台灣有一家叫做**睿生光電（InnoCore）**的公司，正在用自己研發的 X 光感測技術和 AI 軟體，悄悄改變牙科、骨科甚至獸醫領域的遊戲規則。
這篇文章會帶你從物理原理、材料科學到人工智慧，完整拆解這家公司的核心技術。讀完之後，你會對「X 光是怎麼拍出來的」和「AI 怎麼看懂醫療影像」有全新的認識。
一、X光成像的基本原理
電磁波譜中的 X 光
X 光是一種波長極短（約 0.01 到 10 奈米）的電磁波，能量比可見光高很多。1895 年德國物理學家倫琴（Wilhelm Röntgen）意外發現它時，因為不知道它是什麼，就用數學中代表未知數的「X」來命名。
當 X 光穿過人體時，不同組織對 X 光的吸收程度不一樣：
- 骨骼：含有大量鈣（原子序 20），對 X 光吸收率高，在影像上呈現白色
- 軟組織：主要由碳、氫、氧組成（原子序較低），吸收較少，呈現灰色
- 空氣：幾乎不吸收 X 光，呈現黑色
這種差異叫做對比度（contrast），是 X 光影像能夠區分不同結構的關鍵。
從底片到數位感測器
傳統 X 光用的是感光底片，就像以前的相機膠捲。但現在主流已經轉向數位 X 光感測器（Digital X-ray Detector），把 X 光的能量直接轉換成數位訊號。
數位感測器有兩大類：
- 間接轉換型：X 光先打到閃爍體（scintillator），轉換成可見光，再由光電二極體轉成電訊號
- 直接轉換型：X 光直接在半導體材料中產生電荷，不需要中間的光轉換步驟
睿生光電的技術屬於間接轉換型，但他們用了一個關鍵材料讓效能大幅提升——那就是 IGZO。
二、IGZO：改變遊戲規則的材料
什麼是 IGZO？
IGZO 的全名是 Indium Gallium Zinc Oxide（銦鎵鋅氧化物），是一種非晶態金屬氧化物半導體。你可能在高階螢幕的規格表上看過這個名詞——沒錯，Apple 的 iPad Pro 就用了 IGZO 背板技術。
IGZO 做成**薄膜電晶體（Thin-Film Transistor, TFT）**後，有幾個關鍵優勢：
| 特性 | 傳統非晶矽（a-Si）TFT | IGZO TFT |
|---|---|---|
| 電子遷移率 | ~0.5 cm²/Vs | ~10-50 cm²/Vs |
| 漏電流 | 較高 | 極低（約低 100 倍） |
| 像素密度 | 受限 | 可做更小像素 |
用在 X 光感測器上的優勢
把 IGZO TFT 用在 X 光感測器的讀出電路上，好處非常明顯：
1. 更高的影像解析度
IGZO 的高電子遷移率讓電晶體可以做得更小，每個像素（pixel）的尺寸可以縮到 50 微米甚至更小。像素越小，影像越細緻。想像一下：同樣大小的感測器，像素數量多了好幾倍，看到的細節自然更多。
2. 更低的輻射劑量
IGZO 的超低漏電流是關鍵。漏電流低代表訊號被保存得更完整，雜訊更少。當雜訊降低，就算用比較低的 X 光劑量拍攝，影像品質還是夠好。這對病患來說是很重要的——尤其是需要反覆拍攝的牙科和兒童骨科。
3. 更好的動態範圍
動態範圍（dynamic range）指的是感測器能同時呈現最亮和最暗區域的能力。IGZO 感測器的動態範圍更寬，代表一張影像裡，無論是密度高的牙齒琺瑯質還是密度低的牙齦軟組織，都能清楚呈現。
三、應用場景：從牙科到獸醫
牙科影像
牙科是睿生光電的主力戰場。口內 X 光感測器（intraoral sensor）需要塞進嘴巴裡，所以體積要求極小。IGZO 技術讓感測器在有限面積內塞進更多像素，拍出的牙齒影像可以清楚看到蛀牙初期的微小病灶、牙根裂痕、甚至牙周骨質流失的程度。
骨科與骨齡判讀
骨齡診斷是兒科和內分泌科的重要工具。醫師通常會拍攝左手掌的 X 光片，對照標準圖譜（如 Greulich-Pyle 圖譜）來判斷骨骼發育程度。
這個流程有幾個痛點：主觀判斷差異大、耗時、需要經驗豐富的醫師。這正是 AI 可以大展身手的地方（後面會詳細說）。
獸醫影像與 Vet Xresta
寵物市場的成長帶動了獸醫影像的需求。但獸醫面臨的挑戰跟人醫不太一樣：動物的品種差異極大（吉娃娃跟大丹犬的骨骼結構差很多），而且動物不會乖乖配合拍攝姿勢。
睿生光電推出的 Vet Xresta 是專門為獸醫設計的 AI 輔助軟體，能針對不同犬種、貓種的特徵進行影像分析，標示出可能的骨折、關節問題或異物。
四、AI 如何「看懂」X 光影像？
卷積神經網路（CNN）的基礎概念
醫療影像 AI 的核心技術是卷積神經網路（Convolutional Neural Network, CNN），這是一種特別擅長處理圖像資料的深度學習架構。
CNN 的運作邏輯：
- 卷積層（Convolutional Layer）：用一組小的「濾波器」在影像上滑動，提取邊緣、紋理等低階特徵
- 池化層（Pooling Layer）：壓縮資訊量，保留重要特徵，去除冗餘
- 全連接層（Fully Connected Layer）：把提取到的特徵綜合起來，做出最終判斷（例如：這張影像是否有骨折？）
隨著網路層數加深，CNN 能學到越來越複雜的特徵——從最初的線條和邊緣，到後來的完整結構形態。
訓練資料與標註
AI 不是天生就會看 X 光片的。它需要大量標註過的訓練資料。以骨齡判讀為例，你需要幾千甚至幾萬張已經由專業醫師標註過骨齡的手掌 X 光片，AI 才能學會「什麼樣的骨骼形態對應什麼年齡」。
這裡有個很實際的問題：醫療影像的標註成本很高。每一張影像都需要專業醫師花時間標記，而且不同醫師的標準可能不一致。所以高品質的標註資料集是醫療 AI 公司的核心資產之一。
從偵測到輔助診斷
現在的醫療影像 AI 通常不是直接「告訴你答案」，而是：
- 熱力圖標記：在影像上標出 AI 認為最值得注意的區域
- 機率分數：給出「有問題」的信心度，例如「骨折機率 87%」
- 量化數據：自動測量骨骼長度、角度等參數
最終的診斷決策還是由醫師做出，AI 扮演的是第二雙眼睛的角色。
五、碳奈米管：低輻射的未來
傳統 X 光管的問題
傳統 X 光管用的是熱陰極（鎢絲加熱到 2000°C 以上釋放電子），這種方式：
- 開關速度慢（需要預熱時間）
- 耗能高
- 難以精準控制劑量
碳奈米管冷陰極的優勢
碳奈米管（Carbon Nanotube, CNT）是一種由碳原子排列成管狀的奈米材料。用它做為 X 光管的陰極（叫做場發射冷陰極），電子的釋放靠的是外加電場而非加熱，好處很多：
- 瞬間開關：微秒級反應，可以精準控制每一次曝光
- 脈衝式照射：像 LED 閃光一樣，只在需要的瞬間發射 X 光
- 低劑量成像：搭配高靈敏度的 IGZO 感測器，形成「低劑量發射 + 高效率接收」的完美組合
這項技術特別適合需要頻繁拍攝的場景，例如牙科全口檢查或兒童生長追蹤。
六、產業生態與商業模式
睿生光電的商業策略很有意思：硬體 + 軟體 + 服務的三層模式。
- 硬體層：IGZO 感測器、X 光機等設備銷售
- 軟體層：Vet Xresta 等 AI 診斷軟體，通常採訂閱制（SaaS）
- 服務層：影像雲端儲存、遠距會診平台
這種模式的好處是：硬體帶來一次性收入，軟體和服務帶來持續性的經常收入（recurring revenue），讓營收更穩定。
為什麼要學這個？職涯連結
如果你對這些技術感興趣，以下是相關的大學科系和職涯方向：
| 興趣方向 | 推薦科系 | 可能的職業 |
|---|---|---|
| X光物理與材料 | 物理系、材料系 | 感測器研發工程師 |
| IGZO製程 | 電子工程系、光電系 | 半導體製程工程師 |
| 醫療AI | 資工系、生醫資訊 | 醫療影像AI工程師 |
| 臨床應用 | 醫學系、放射系 | 放射科醫師、醫學物理師 |
| 獸醫影像 | 獸醫系 | 獸醫影像專科 |
台灣的醫療器材產業正在快速成長，尤其是結合 AI 的數位醫療領域。睿生光電只是其中一個例子——理解這些底層技術，會讓你在未來選擇科系和職涯時，多一個很有潛力的方向。
重點整理
- X光成像原理：不同組織對 X 光的吸收率不同，形成影像對比度
- IGZO 技術：高電子遷移率 + 低漏電流 = 更高解析度 + 更低輻射劑量
- AI 醫療影像：CNN 架構學習大量標註影像，輔助醫師偵測異常
- 碳奈米管：場發射冷陰極實現精準、低劑量的 X 光照射
- 產業模式：硬體 + AI 軟體（SaaS）+ 雲端服務的三層商業架構
延伸概念：深度學習在生物 · 紫外-可見光譜 · 原子結構 · 一氧化氮信號 · 組織病理學 · 鋅指核酸酶 · X射線晶體學 · 小角X射線散射
