免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

場景：病理診斷

診斷是人工智能在病理領域的一個直觀的應用。在常人的刻板印象中，醫生的職責是為了給予患者診斷建議，而人工智能則是為了替代醫生。

這種印象顯然存在邏輯問題，但作為一種數據處理手段，經過恰當訓練的AI的確可以全方位地審視病理數據信息，以輔助醫生做出判斷。

事實上，國內從事影像數據的分析的AI企業占據了“AI＋病理”的半壁江山，動脈網記者采訪了部分國內外從事病理影像診斷的企業，并將其特點總結如下。

1、透徹影像

成立于2017年的透徹影像是一家專注于病理的人工智能企業，其產品瞄準于肺、胃、腸、淋巴結、前列腺和乳腺六個病理場景。

透徹影像CTO王書浩認為：“場景的選擇是出于市場考慮，這仍是一片藍海市場，我們希望能在開端惠及更多的患者，胃癌便是如此。”

中國每年大概有2000萬名患者擁有活檢的需求，其中大部分的需求次數為兩次及其以上。如此大量的篩查，國內的病理科資源實在難以勝任。同時，在胃、腸方向，醫生的重復勞動率非常高。很多時候患者可能僅僅是患有腸炎，但仍進行以腸癌為目標導向的治療，這種情況導致了很多無謂的活檢，而人工智能技術可以快速的甄別這一問題。

基于解放軍總醫院2017年胃部病理切片測試報告，透徹影像AI對于胃部惡性腫瘤識別的敏感性現已達到100％，特異性也達到了90％。在現有狀態下，該篩查準確率已經達到了一個相當高的標準。

而后，該公司將著手對篩查出的癌癥進行準確劃分，確認胃癌的每一個分型，以給出更加精準的診斷建議。

2、深思考

深思考人工智能（iDeepwise．ai）自成立以來，為全國各地30多家知名三甲醫院及檢驗機構提供宮頸癌篩查服務。至今為止，深思考已經完成了近10萬例宮頸玻片的回顧性分析研究。

在研究過程中，其TCT輔助篩查產品癌前病變的敏感性從人工閱片的65％提升至接近100％，陰性預測值提升至80％左右，可有效降低閱片醫生8成閱片工作量。

其CEO楊志明談到：“我們在宮頸細胞公開數據集Helerv，采用MS－CNN深度學習細胞分類算法，相同評測條件下，各項指標超越美國國立衛生研究院NIH分類結果（敏感性超過NIH的結果1－1．5％），達到該數據集上全世界最優的結果。”

在未來商業化方面，深思考可根據已有的TCT輔助篩查收費目錄進行收費。根據國家發布最新醫療價格項目規定，宮頸細胞學計算機輔助診斷價格為100元／次－160元／次，按照目前全國每年進行宮頸癌篩查的婦女約為1．1億人次計算，預計未來平均每年將可產生100億－200億人民幣的經濟效益。

3、迪英加

相對于其他的病理企業，迪英加的“AI＋病理”產品可謂面面俱到，以覆蓋盡可能多的癌癥患者。

迪英加創始人楊林告訴動脈網記者：“中國每年新增的癌癥患者近500萬人，而每年做細胞篩查的量級近一個億，這是一個非常大的數量。而我們的產品覆蓋了所有的病理科室會用到的各個大類，以及所有類型中至少50％以上的各種病變，其廣度可達世界首位。”

在產品設計上，迪英加以D－Path AI人工智能病理輔助診斷系統為核心，在細胞病理方向開發了20余個智能分析模塊，可協助診斷胃癌、肺癌、膀胱癌、乳腺癌、腎癌、前列腺癌等癌癥分型。

在分子病理方面，迪英加能運用人工智能對探頭液樣品、血細胞以及像宮頸切片等進行判讀。

如今，迪英加已經運用AI讀取了近百萬例宮頸切片，其他類別的病理也趁迅速上升趨勢。并在前不久舉辦的人工智能卓醫挑戰賽獲得細胞病理（宮頸涂片），組織病理（甲狀腺冰凍）和免疫組化定量分析的三項技術冠軍。

迪英加的產品源自于迪英加創始人和迪英加研究院在AI－數字病理領域發表的100多篇SCI文章，其中《Pathologist－level Interpretable Whole－slide Cancer Diagnosis with Deep Learning》被Nature Medicine （影響因子30）所收錄。

在商業化方面，迪英加將采取模塊化銷售的方式，即醫院病理科可選擇最適合自己的模塊進行購買，并可在未來進行模塊擴充。

4、Lunit

來自韓國的人工智能企業Lunit為乳腺癌研發了一整套的人工智能產品，其胸部X光攝影和乳房X光攝影用于疾病最初檢測與篩查，讓他乳腺組織病理切片評級是醫學最終診斷結果的關鍵步驟。

盡管病理學評級在診斷過程中起著很重要的作用，但該領域還是缺乏可量化的客觀標準和詳細的解釋過程，數字病理學的出現為解決該問題帶來了希望。

Lunit在數字病理學研究上花費了不少財力和人力，為的是客觀地解釋組織樣本中不同的形態學特征，并在提高組織病理學診斷的準確性、高效性和一致性上進行創新。

2017年，Lunit引入了一種人工智能算法，可以實現對淋巴結中乳腺癌轉移的自動檢測和階段評估，這是人類第一次嘗試將特定的病理學任務從頭到尾自動化。

對區域性淋巴結的病理診斷（pN－stage：也就是判斷乳腺癌是否已經擴散到淋巴結）這一診斷過程需要進行檢查的圖片數據量非常大，且圖片的最高分辨率達到了200，000 × 100，000像素，這需要耗費病理學家大量的時間來對多個圖片進行仔細審查，最后正確確定pN－stage。

Lunit運用其深度學習技術，開發出一種高度精確的pN－stage預測算法，該算法將多個淋巴結組織切片的腫瘤轉移的檢測和分類整合到一個臨床結果中，使用來自Camelyon17數據集的淋巴結組織學圖像來建立一個預測pN－stage的算法，該算法的性能水平超過了目前世界上大多的領先技術，其有可能顯著提高病理學家的效率和診斷準確性。

場景：植入器械的人工智能

既然我們可以設計出深度解析病理影像的軟件，那何不直接在影像采集時就對其進行優化呢？

如今，一些傳統的器械企業也在嘗試將過去死板的儀器智能化，用人工智能賦予其更精細的影像與更迅捷的分析效率。

1、福怡股份

福怡股份是一家深耕病理15年的醫療器械公司，其產品覆蓋了病理影像采集、病理數據分析、遠程病理診斷等服務，能夠為病理科提供智能診斷整體解決方案。

其研制的數字病理智能診斷系統可以完成圖像高清數字化轉換，最高通量400片，實現了24小時無人值守自動掃描。病理切片高速掃描，無縫拼接，更改傳統工作方式，讓病理標本數字化，圖像化，可存儲化，為實現數字化、信息化打下良好基礎。

福怡股份的數字病理遠程診斷系統平臺以AI技術為輔助，已積聚了全國近2000位公立醫院在職病理科醫生，為“遠程病理標準實驗室”進行診斷的是各省頂尖病理專家，每個省選取5～10位副高級以上專家，保證診斷結果在區域范圍內具有一定權威性，杜絕漏診，確保診斷結果真實可靠。

2、智影醫療

近日，智影醫療研發的一款 AI 顯微鏡——基于痰菌顯微成像的肺結核自動診斷系統，即將正式投入商用。AI 顯微鏡應用了人工智能深度學習算法，可在3分鐘內快速掃描整個玻片及進行結核桿 菌計數，診斷出肺結核。

傳統的痰涂片檢測醫學圖像處理方式是算法依據建立的規則對圖像進行處理，規則不能適配所有個體，所以檢測的準確率不高，而人工智能的圖像處理，是經過了大數據的訓練，深度學習開發， 可以大幅度提高檢測的準確率。

智影醫療開發的 AI 顯微鏡融入了人工智能的圖像處理和視覺處理技術，提供痰液染色涂片自動 掃描圖像并進行智能檢測分析，醫生輕松輸入指令，AI 就能自動識別、檢測痰液染色涂片，之后定量計算和生成報告，并將檢測結果實時顯示到客戶端中，及時提醒又不打擾醫生工作流程， 能提高醫生的診斷效率和準確度。