心血管疾病為全球主要死因之一，早期診斷與精確評估對其治療與預後具有關鍵影響。 隨著醫學影像與人工智慧技術的發展，深度學習已逐漸應用於心臟影像分割與分析領域。 然而，深度學習模型的效能高度依賴大量高品質的標註資料， 而心臟電腦斷層影像之公開標註資料仍極為有限。 本研究旨在建構一套適用於心臟電腦斷層影像之半自動結構標註流程， 以協助建立具一致性與臨床價值的標註資料集。 本研究首先使用研究室開發之深度學習分割插件進行初步心臟肌肉區域分割。 隨後，透過 3D Slicer 進行人工修正與細部結構標註，並制定明確之結構標註準則， 涵蓋主動脈瓣、心房、心室、心耳及血管管壁等重要心臟解剖區域。 本研究之半自動標註流程能有效提升效率並減少標註誤差， 為心臟結構資料集的建構提供實用工具，亦可作為後續深度學習模型訓練與臨床應用的重要基礎。 未來期望藉由此方法推動心臟醫學影像資料的規模化建立，緩解醫療資料短缺問題，並促進智慧醫療發展。
