CN112992336A - 一种病理智能诊断系统 - Google Patents

一种病理智能诊断系统 Download PDF

Info

Publication number
CN112992336A
CN112992336A CN202110163211.7A CN202110163211A CN112992336A CN 112992336 A CN112992336 A CN 112992336A CN 202110163211 A CN202110163211 A CN 202110163211A CN 112992336 A CN112992336 A CN 112992336A
Authority
CN
China
Prior art keywords
diagnosis
pathological
image
unit
intelligent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110163211.7A
Other languages
English (en)
Inventor
崔丽涓
阎小挺
杨晓峰
李灯熬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanxi Medical University
Original Assignee
Shanxi Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanxi Medical University filed Critical Shanxi Medical University
Priority to CN202110163211.7A priority Critical patent/CN112992336A/zh
Publication of CN112992336A publication Critical patent/CN112992336A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种病理智能诊断系统，集成深度学习和实时AI功能，以弥合AI算法与传统显微镜工作流程之间的差距，达到对病理切片的智能诊断；同时，针对两种应用开发并评估深度学习算法，以评估在实际临床工作流程中以及与其他显微镜模型一起使用的影响。本系统将使AI无缝集成到显微镜工作流程中，并使得病理学进行癌症诊断以及对其他疾病的生物样本进行显微镜检查更加高效，准确且智能化；提供在智能诊断过程中的图像标注诊断结果并且输出文字性诊断报告，不仅提高处理病理诊断的速度，同时有效减少病理专家的工作量。

Description

一种病理智能诊断系统
技术领域
本发明属于医疗研究技术领域，具体涉及一种病理智能诊断系统。
背景技术
目前,我国病理医生数量较少而人口基数较大,病理医生对病理切片的诊断受经验、精力的限制造成一定程度的误诊和漏诊,同时地区之间的差异也会导致不同地区的医疗水平参差不齐。在人工智能技术的应用背景下,对智能病理诊断技术的研究越来越多,也渐渐被应用在临床诊断方面,然而并没有相关技术的医疗设备,因此对于偏远地区来说该技术的使用依旧存在困难。
近年，以深度学习为代表的人工智能技术得到了显著的发展，其在病理学，医学影像诊断领域等应用也越来越得到关注。在数字病理时代，如何将数字化的病理资料和人工智能算法结合形成智能诊断系统是值得研究的方向。
传统的病理诊断就是人工图像识别。人工智能辅助病理诊断主要使用数字图像处理，模式识别和机器学习进行病理切片图像分析，通过提取病理切片图像中的大量相关特征与记忆程序中的病理数据进行分析，以此来帮助病理医生进行更精准的诊断。
现有病理诊断技术步骤严谨繁琐,需要耗费大量的人力资源,且对检验人员有很高的要求,在医疗资源相对匮乏的地区缺少这类检验人员,因此,为了快速准确的为患者进行诊断并减轻检验人员的工作负担,同时避免工作压力带来的影响,特提出一种病理智能诊断系统.
专利申请号为2019102132120的发明提出了一种图片、文字和语音结合的病理诊断系统，其特征在将病理切片扫描机下的病理切片转换成数字化病理图像数据，接着将来自病理切片扫描机和网络端的病理图像、病例信息和病理诊断报告传输至病理图像资料服务站，使用麦克风输入医生的语音诊断信息，完善诊断结果，通过打印机将诊断报告图文纸质化。但是通过病理切片扫描机扫描病理切片并转换成数字化病理图像数据，需要耗费较长的时间，仅仅基于上述模式的病理诊断系统仍然不能满足诊断的快速性要求，切扫描机格式的差异性也会严重影响诊断结果的准确性。因此，建立一种能够直接在显微镜下，基于嵌入的深度学习神经网络诊断模型的病理智能诊断系统，是一个亟待解决的研究创新方向。
发明内容
本发明的目的是为克服上述现有技术的不足，提供一种病理智能诊断系统，综合软硬件，嵌入人工智能算法模型，利用深度学习卷积神经网络方法，在显微镜下进行准确、快速病理诊断。
为实现上述目的，提出一种病理智能诊断系统，配合医用显微镜使用，包括：数据采集模块，用于对所述医用显微镜视野中图像进行数据采集回传；
图像增强模块，用于图像采集模块采集的图像进行增强处理；
病理诊断模块，用于通过结合卷积神经网络和递归神经网络构建的病理诊断模型对图像增强后的图像进行病理诊断；
诊断输出模块，用于对病理诊断模块得到的诊断结果的准确性进行评估、修正及以诊断报告的形式将诊断结果输出。
其中，数据采集模块包括焦距调节单元和图像采集单元；
所述焦距调节单元用于调节医用显微镜物镜与载物台之间的距离及角度，实现焦距调节；
所述图像采集单元用于实时从医用显微镜目镜中捕获载物台上固定的载玻片样本的图像信息。
其中，图像增强模块包括：视野捕获单元、计算加速处理单元、显示增强单元以及专家镜下检测结果可视化单元；
视野捕获单元用于实时捕获采集的图像信息中的图像区域；
计算加速处理单元用于处理捕获的每个图像以产生推理输出图像；
显示增强单元用于对推理输出图像进行图像增强处理，以显示最相关的信息；
所述检测结果可视化单元用于将图像增强后的推理输出图像输出至病理诊断模块。
其中，病理诊断模块结合卷积神经网络和递归神经网络对大规模病理图像和病变细胞进行处理，构建智能诊断模型：
Figure BDA0002936362680000031
其中，I代表整张医学图像，L代表病理专家对医学图像标记的标签集合，θ代表卷积神经网络模型和递归神经网络模型参数；
在训练时输入I、、L，并通过训练时降低损失函数的值来调整，得到训练好的模型以及调整以后的参数和相应权重矩阵W，在预测时输入I，得到L，诊断时先遍历整张图像，再将图像切割为不同的区域，通过上述训练好的模型进行智能检测，并自动对类别按照标记时的标准进行区域标签标记，从而得到智能诊断结果。
其中，诊断输出模块包括诊断修正单元、数据保存单元和数据输出单元；
其中，所述诊断修正单元用于由病理专家通过计算机对智能诊断结果的准确性进行评估和修正处理，确保诊断结果的质量；
所述数据保存单元用于对修正之后的诊断结果进行保存处理，同时保存结果，被拥有数据共享权限的病理科医生共享；
所述数据输出单元用于将诊断结果以诊断报告的形式输出。
区别于现有技术，本发明的病理智能诊断系统，集成深度学习和实时AI功能，以弥合AI算法与传统显微镜工作流程之间的差距，达到对病理切片的智能诊断；同时，针对两种应用开发并评估深度学习算法，以评估在实际临床工作流程中以及与其他显微镜模型一起使用的影响。本系统将使AI无缝集成到显微镜工作流程中，并使得病理学进行癌症诊断以及对其他疾病的生物样本进行显微镜检查更加高效，准确且智能化；提供在智能诊断过程中的图像标注诊断结果并且输出文字性诊断报告，不仅提高处理病理诊断的速度，同时有效减少病理专家的工作量。
附图说明
图1是本发明提供的一种病理智能诊断系统的结构示意图。
图2是本发明提供的一种病理智能诊断系统的显微镜光路示意图。
图3是本发明提供的一种病理智能诊断系统的使用原理示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参阅图1，本发明提供了一种病理智能诊断系统，配合医用显微镜100使用，包括：
数据采集模块110，用于对医用显微镜110视野中图像进行数据采集回传；
图像增强模块120，用于图像采集模块110采集的图像进行增强处理；
病理诊断模块130，用于通过结合卷积神经网络和递归神经网络构建的病理诊断模型对图像增强后的图像进行病理诊断；
诊断输出模块140，用于对病理诊断模块130得到的诊断结果的准确性进行评估、修正及以诊断报告的形式将诊断结果输出。
其中，数据采集模块110包括焦距调节单元111和图像采集单元112；
焦距调节单元111用于调节医用显微镜100物镜与载物台之间的距离及角度，实现焦距调节；
图像采集单元112用于实时从医用显微镜100目镜中捕获载物台上固定的载玻片样本的图像信息。
其中，图像增强模块120包括：视野捕获单元121、计算加速处理单元122、显示增强单元123以及专家镜下检测结果可视化单元124；
视野捕获单元121用于实时捕获采集的图像信息中的图像区域；
计算加速处理单元122用于处理捕获的每个图像以产生推理输出图像；
显示增强单元123用于对推理输出图像进行图像增强处理，以显示最相关的信息；
检测结果可视化单元124用于将图像增强后的推理输出图像输出至病理诊断模块130。
其中，病理诊断模块130结合卷积神经网络和递归神经网络对大规模病理图像和病变细胞进行处理，构建智能诊断模型：
Figure BDA0002936362680000051
其中，I代表整张医学图像，L代表病理专家对医学图像标记的标签集合，θ代表卷积神经网络模型和递归神经网络模型参数；
在训练时输入I、、L，并通过训练时降低损失函数的值来调整，得到训练好的模型以及调整以后的参数和相应权重矩阵W，在预测时输入I，得到L，诊断时先遍历整张图像，再将图像切割为不同的区域，通过上述训练好的模型进行智能检测，并自动对类别按照标记时的标准进行区域标签标记，从而得到智能诊断结果。
其中，诊断输出模块140包括诊断修正单元141、数据保存单元142和数据输出单元143；
其中，诊断修正单元141用于由病理专家通过计算机对智能诊断结果的准确性进行评估和修正处理，确保诊断结果的质量；
数据保存单元142用于对修正之后的诊断结果进行保存处理，同时保存结果，被拥有数据共享权限的病理科医生共享；
数据输出单元143用于将诊断结果以诊断报告的形式输出。
具体的，通过数据采集模块110对医用显微镜100下视野中图像进行数据收集回传操作。在数据采集阶段，将载玻片样本固定在载物台上，通过焦距调节单元111的变焦步进电机将带动显微镜的调焦轮使得显微镜物镜下降到距载玻片2mm的位置,不断调节显微镜，通过5120×5120像素的彩色传感器的高灵敏度相机(Adimec S25A80)作为数据采集单元112，以高达80帧/s的速度捕获图像，摄像头将收集到的图像信号传输至图像采集卡。相机图像是通过工业级采集卡(Cyton CXP-4)捕获的，并具有与计算机的外围组件互连Express接口。
尽管最新的深度学习算法通常需要数十亿次数学运算，但是必须实时应用这些算法，以避免工作流程中不自然的延迟。这在诸如癌症诊断之类的应用中尤为重要，在这种应用中，显微镜需不断地移动载玻片，数据采集模块110收集到不同焦距下的病理图像，经图像增强后将数据传至数据诊断模块，使用基于深度学习算法开发的病理诊断模块进行病理诊断。
本发明的医用显微镜为标准立式显微镜，如图2所示，从显微镜后侧照亮标本(S)，并用常规物镜捕获图像射线。这些射线以准直的状态向上朝着眼睛传播。将具有分束器(BS1)的示教模块(Nikon Y-IDP)插入准直光空间中的光路中。修改此模块以容纳显微镜照相机(C)，以便当显微镜用户也将标本聚焦时，从BS1中继的标本图像在相机传感器上聚焦。在目镜和第一个教学模块之间插入了第二个定制的教学模块(Nikon T-THM)。将该模块(BS2)中的分束器旋转90°，以将来自样本图像(SI)的光与来自微型显示器(P)的投影图像(PI)的光合并。增强现实显示器包括微型显示器和准直光学器件，它们的选择是使显示器尺寸与眼睛尺寸(22毫米)匹配。在此原型中，我们测试了两种微型显示器-一种支持任意颜色(RGB)，另一种更亮的显示器仅支持绿色通道。调整准直仪的位置，以将微型显示器放置在样品的虚拟焦平面上。SI和PI在同一平面内的这种配置使观察者移动时的相对运动最小化，这种现象称为视差。注意，在从物镜到目镜的光路中，BS1必须先于BS2，这样摄像机C才能看到没有投影PI的标本视图。观察者通过目镜(EP)看到PI叠加在SI上。
光学设计的原理图如图所示。组件的设计和选择受最终性能要求的驱动。选择了摄像头和显示设备以实现有效的细胞级和腺体级特征表示。相机(Adimec S25A80)包括一个5120×5120像素的彩色传感器，该传感器具有高灵敏度和全局快门，能够以高达80帧/s的速度捕获图像。相机图像是通过工业级采集板(Cyton CXP-4)捕获的，并具有与计算机的外围组件互连Express接口。将微型显示器(eMagin SXGA096，1,292×1,036像素)安装在显微镜侧面，并用消色差聚光镜(Nikon MBL71305)在经过调整的位置成像，以最大程度地降低视差并确保标本和显示图像同时聚焦。微型显示器包括用于从计算机接收图像的高清多媒体接口。由于此显示器的亮度有限，因此选择了第二个分束器(BS2)以透射来自显示器的90％的光和来自样品的10％的光，从而在操作时在投影图像和样本图像之间产生了良好的对比度显微镜光源的强度约为最大强度的一半。此处使用的光机械设计可以很容易地改装到大多数标准的明场显微镜中。
本发明的病理切片智能诊断系统使用原理示意图如图3所示，其优点在于：
本发明提出了一种基于深度学习，集成实时AI功能的病理智能诊断设备，以弥合AI算法与传统显微镜工作流程之间的差距，达到对病理切片的智能诊断。同时，针对两种应用开发并评估深度学习算法，以评估在实际临床工作流程中以及与其他显微镜模型(例如，不同的制造商)一起使用的影响。例如，对于基于标本的详尽标注解释，整张病理数字化可能会更有效。
本发明可以用于其他各种应用程序，无论是基于AI算法还是仅利用增强现实显微镜功能。同时，其他临床应用同样从中受益，包括具有高度主观性的任务，例如污渍定量，破坏性任务；使用物理标尺估算尺寸测量值，这些任务发生在资源贫乏的环境中且需要(但缺乏)熟练的人员。例如传染病检测(例如疟疾或结核病)和繁琐的任务(例如细胞计数或有丝分裂计数)。总而言之，本系统将使AI无缝集成到显微镜工作流程中，并使得病理学进行癌症诊断以及对其他疾病的生物样本进行显微镜检查更加高效，准确且智能化。
本发明提供在智能诊断过程中的图像标注诊断结果并且输出文字性诊断报告，不仅提高处理病理诊断的速度，同时有效减少病理专家的工作量；
本发明通过病理资料服务站实现不同级别医院之间数据远程共享的功能，不同医院之间可以进行不同诊断结果的共享和会诊以及诊断求助等，从而提高病理诊断结果的可靠性，并且更加高效。
本发明中全视野的数字化切片/全切片数字化图像(whole slide image，简称WSI)通过全自动显微镜或光学放大系统扫描采集得到高分辨数字图像，再应用计算机智能算法对得到的图像自动进行高精度多视野无缝隙拼接和处理，获得优质的可视化数据并进行智能检测和诊断，以应用于病理学的各个领域。随着病理资源逐渐数字化、网络化，实现了可视化数据的永久储存和不受时空限制的同步浏览，本发明将会在病理的各个领域将得到广泛应用。同时，对于整个病理智能诊断产品转化领域是一个值得开发研究以及推广应用的实用型设备。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (5)

1.一种病理智能诊断系统，配合医用显微镜使用，其特征在于，包括：
数据采集模块，用于对所述医用显微镜视野中图像进行数据采集回传；
图像增强模块，用于图像采集模块采集的图像进行增强处理；
病理诊断模块，用于通过结合卷积神经网络和递归神经网络构建的病理诊断模型对图像增强后的图像进行病理诊断；
诊断输出模块，用于对病理诊断模块得到的诊断结果的准确性进行评估、修正及以诊断报告的形式将诊断结果输出。
2.如权利要求1所述的病理智能诊断系统，其特征在于，所述数据采集模块包括焦距调节单元和图像采集单元；
所述焦距调节单元用于调节医用显微镜物镜与载物台之间的距离及角度，实现焦距调节；
所述图像采集单元用于实时从医用显微镜目镜中捕获载物台上固定的载玻片样本的图像信息。
3.如权利要求2所述的病理智能诊断系统，其特征在于，图像增强模块包括：视野捕获单元、计算加速处理单元、显示增强单元以及专家镜下检测结果可视化单元；
视野捕获单元用于实时捕获采集的图像信息中的图像区域；
计算加速处理单元用于处理捕获的每个图像以产生推理输出图像；
显示增强单元用于对推理输出图像进行图像增强处理，以显示最相关的信息；
所述检测结果可视化单元用于将图像增强后的推理输出图像输出至病理诊断模块。
4.如权利要求1所述的病理智能诊断系统，其特征在于，所述病理诊断模块结合卷积神经网络和递归神经网络对大规模病理图像和病变细胞进行处理，构建智能诊断模型：
Figure FDA0002936362670000021
其中，I代表整张医学图像，L代表病理专家对医学图像标记的标签集合，θ代表卷积神经网络模型和递归神经网络模型参数；
在训练时输入I、θ0、L，并通过训练时降低损失函数的值来调整θ0，得到训练好的模型以及调整以后的参数θ和相应权重矩阵W，在预测时输入I，得到L，诊断时先遍历整张图像，再将图像切割为不同的区域，通过上述训练好的模型进行智能检测，并自动对类别按照标记时的标准进行区域标签标记，从而得到智能诊断结果。
5.如权利要求1所述的病理智能诊断系统，其特征在于，所述诊断输出模块包括诊断修正单元、数据保存单元和数据输出单元；
其中，所述诊断修正单元用于由病理专家通过计算机对智能诊断结果的准确性进行评估和修正处理，确保诊断结果的质量；
所述数据保存单元用于对修正之后的诊断结果进行保存处理，同时保存结果，被拥有数据共享权限的病理科医生共享；
所述数据输出单元用于将诊断结果以诊断报告的形式输出。
CN202110163211.7A 2021-02-05 2021-02-05 一种病理智能诊断系统 Pending CN112992336A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110163211.7A CN112992336A (zh) 2021-02-05 2021-02-05 一种病理智能诊断系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110163211.7A CN112992336A (zh) 2021-02-05 2021-02-05 一种病理智能诊断系统

Publications (1)

Publication Number Publication Date
CN112992336A true CN112992336A (zh) 2021-06-18

Family

ID=76348262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110163211.7A Pending CN112992336A (zh) 2021-02-05 2021-02-05 一种病理智能诊断系统

Country Status (1)

Country Link
CN (1) CN112992336A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116230214A (zh) * 2023-05-08 2023-06-06 浙江大学滨江研究院 Hcc及vetc辅助诊断装置及设备
CN116386902A (zh) * 2023-04-24 2023-07-04 北京透彻未来科技有限公司 基于深度学习的大肠癌人工智能辅助病理诊断系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108288506A (zh) * 2018-01-23 2018-07-17 雨声智能科技（上海）有限公司 一种基于人工智能技术的癌症病理辅助诊断方法
CN109815945A (zh) * 2019-04-01 2019-05-28 上海徒数科技有限公司 一种基于图像识别的呼吸道检查结果判读系统和方法
CN109856015A (zh) * 2018-11-26 2019-06-07 深圳辉煌耀强科技有限公司 一种癌细胞自动诊断的快速处理方法及其系统
CN109961847A (zh) * 2019-03-20 2019-07-02 武汉千屏影像技术有限责任公司 一种图片、文字和语音结合的病理智能诊断系统
WO2019199392A1 (en) * 2018-04-12 2019-10-17 Google Llc Augmented reality microscope for pathology with overlay of quantitative biomarker data
CN110895968A (zh) * 2019-04-24 2020-03-20 南京图灵微生物科技有限公司 人工智能医学图像自动诊断系统和方法
CN111160135A (zh) * 2019-12-12 2020-05-15 太原理工大学 基于改进的Faster R-cnn的尿红细胞病变识别与统计方法和系统
CN111489833A (zh) * 2019-12-19 2020-08-04 上海杏脉信息科技有限公司 一种肺部细胞病理快速现场评估系统、方法及计算机可读存储介质
CN111785363A (zh) * 2020-06-03 2020-10-16 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 一种基于ai引导的慢性病辅助诊断系统
CN111814537A (zh) * 2020-05-25 2020-10-23 苏州米特希赛尔人工智能有限公司 宫颈癌tct玻片显微镜自动扫描与ai诊断系统与方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108288506A (zh) * 2018-01-23 2018-07-17 雨声智能科技（上海）有限公司 一种基于人工智能技术的癌症病理辅助诊断方法
WO2019199392A1 (en) * 2018-04-12 2019-10-17 Google Llc Augmented reality microscope for pathology with overlay of quantitative biomarker data
CN109856015A (zh) * 2018-11-26 2019-06-07 深圳辉煌耀强科技有限公司 一种癌细胞自动诊断的快速处理方法及其系统
CN109961847A (zh) * 2019-03-20 2019-07-02 武汉千屏影像技术有限责任公司 一种图片、文字和语音结合的病理智能诊断系统
CN109815945A (zh) * 2019-04-01 2019-05-28 上海徒数科技有限公司 一种基于图像识别的呼吸道检查结果判读系统和方法
CN110895968A (zh) * 2019-04-24 2020-03-20 南京图灵微生物科技有限公司 人工智能医学图像自动诊断系统和方法
CN111160135A (zh) * 2019-12-12 2020-05-15 太原理工大学 基于改进的Faster R-cnn的尿红细胞病变识别与统计方法和系统
CN111489833A (zh) * 2019-12-19 2020-08-04 上海杏脉信息科技有限公司 一种肺部细胞病理快速现场评估系统、方法及计算机可读存储介质
CN111814537A (zh) * 2020-05-25 2020-10-23 苏州米特希赛尔人工智能有限公司 宫颈癌tct玻片显微镜自动扫描与ai诊断系统与方法
CN111785363A (zh) * 2020-06-03 2020-10-16 中国科学院宁波工业技术研究院慈溪生物医学工程研究所 一种基于ai引导的慢性病辅助诊断系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
PO-HSUAN CAMERON CHEN等: "An augmented reality microscope with real-time artificial intelligence integration for cancer diagnosis", NATURE MEDICINE, vol. 25, pages 1453 - 1457, XP055924707, DOI: 10.1038/s41591-019-0539-7 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116386902A (zh) * 2023-04-24 2023-07-04 北京透彻未来科技有限公司 基于深度学习的大肠癌人工智能辅助病理诊断系统
CN116386902B (zh) * 2023-04-24 2023-12-19 北京透彻未来科技有限公司 基于深度学习的大肠癌人工智能辅助病理诊断系统
CN116230214A (zh) * 2023-05-08 2023-06-06 浙江大学滨江研究院 Hcc及vetc辅助诊断装置及设备

Similar Documents

Publication Publication Date Title
US9088729B2 (en) Imaging apparatus and method of controlling same
WO2019103909A1 (en) Portable microscopy device with enhanced image performance using deep learning and methods of using the same
CN106210520B (zh) 一种自动调焦电子目镜及系统
JP2024019639A (ja) 顕微鏡システム、プログラム、及び、投影画像生成方法
CN112992336A (zh) 一种病理智能诊断系统
CN105004723A (zh) 病理切片扫描3d成像与融合装置及方法
US20140306992A1 (en) Image processing apparatus, image processing system and image processing method
US20150036043A1 (en) Bioscicon's cellphone camera - microscope universal adapter
CN111504885A (zh) 一种基于机器视觉的全自动血涂片形态分析装置
CN104122662A (zh) 一种超高密度超分辨光学闪烁显微成像系统及方法
CN109272575B (zh) 一种提高数字切片扫描仪建模速度的方法
WO2021213068A1 (zh) 基于人工智能的图像显示方法、装置、设备及介质
CN103744172A (zh) 一种具备空间光调制照明的共聚焦显微成像方法
CN112150446A (zh) 显微镜镜检阅片扫描方法、计算机设备和系统
He et al. Microscope images automatic focus algorithm based on eight-neighborhood operator and least square planar fitting
CN112132772A (zh) 一种病理切片实时判读方法、装置及系统
WO2015107872A1 (en) Image acquisition apparatus and control method thereof
CN108470585A (zh) 一种互动式虚拟切片远程标注方法及系统
CN103168265A (zh) 成像系统和其关联的方法
EP2912512A1 (en) Quantitative phase microscopy for label-free high-contrast cell imaging
US11356593B2 (en) Methods and systems for single frame autofocusing based on color- multiplexed illumination
US20200074628A1 (en) Image processing apparatus, imaging system, image processing method and computer readable recoding medium
CN115629072A (zh) 一种骨髓涂片图像分析诊断方法及病理切片扫描仪装置
US20210174147A1 (en) Operating method of image processing apparatus, image processing apparatus, and computer-readable recording medium
Quintana-Quintana et al. Blur-specific image quality assessment of microscopic hyperspectral images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination