邱秉誠同學以【利用概念分割之影像分類器 可釋性萃取】為題，本研究發展一套基於概念的解釋性框架，讓人類可用抽象的概念來理解模型預測機制，其特點是能夠保留像素位置資訊，使得同一概念能夠維持在圖像相近區域，將圖塊及所有概念中心距離聚合成圖像特徵，能夠賦予概念更加客觀的重要性分數，最終以概念重要性作為特徵建立可自釋模型，來驗證概念分數的評估是否完備。以此在最終決審中獲得佳作的好成績。
徐安安同學在陳正剛教授的指導下，以【具偏好之深層類神經網路初始化研究及其遷移學習之應用】為題，討論類神經網路因隨機初始化造成收斂較慢的問題，藉著賦予輸入類神經元、權重重要性的方式，提出具偏好的初始化方法。同時，經由實驗觀察遷移學習在超音波影像訓練中陷入區域最佳解的問題，提出給予預訓練權重干擾的方法，在保留遷移資訊的同時讓模型有更好的表現。以此在最終決審中獲得優等的好成績。
洪翊倫同學在陳正剛博士指導下，以「利用有效抽樣之影像分割主動學習及其腫瘤超音波應用」 為題，在有限可標記資料選擇下，依照影像分割模型當下的訓練情況，利用影像特徵與模型不確定性選擇有效樣本為標記資料，進一步訓練模型來最佳化模型預測表現。以某公立醫院甲狀腺腫瘤超音波資料集為例，在模型預測表現本研究相比隨機抽樣達統計顯著，證明提出之方法確實能找到有效樣本供模型訓練。以此在最終決審中獲得特優的好成績。
