人工智能+數(shù)字病理解析細(xì)胞背后的秘密

▍人工智能（AI）是什么？
“人工”，很好理解，使人力辦事，“智能”概念比較寬廣，簡(jiǎn)單的可以理解為：制造智能的機(jī)器，制定智能的程序來(lái)為人辦事。
人工智能輔助診斷系統(tǒng)的主要技術(shù)包含了以下兩點(diǎn)：① 深度學(xué)習(xí)  ② 大數(shù)據(jù)

▍人工輔助診斷系統(tǒng)的優(yōu)勢(shì)
1、經(jīng)數(shù)碼掃描后形成的數(shù)字切片，在儲(chǔ)存中解決了細(xì)胞涂片在儲(chǔ)存過(guò)程中造成的顏色退變或玻片的損壞的現(xiàn)象，并有利于快速查找切片，為后期遠(yuǎn)程會(huì)診和會(huì)議教學(xué)提供方便；
2、隨著患者數(shù)量的逐年遞增，AI輔助診斷系統(tǒng)，減輕了病理醫(yī)生閱片的壓力，AI識(shí)別提供了病理診斷領(lǐng)域?qū)τ诳焖贉?zhǔn)確的輔助診斷工具的需求。

▍深度學(xué)習(xí)+大數(shù)據(jù)

目前使用了卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的方法做的細(xì)胞模型，并使用了大量的細(xì)胞涂片的標(biāo)注數(shù)據(jù)來(lái)支撐。

通俗意義的講：我們給了機(jī)器細(xì)胞的形態(tài)，細(xì)胞的分類，讓機(jī)器自主的去學(xué)習(xí)，他會(huì)很高效的提取圖片中細(xì)胞的特征，使用自己的方式進(jìn)行處理，對(duì)圖像分類，并經(jīng)過(guò)了大量圖像標(biāo)注數(shù)據(jù)的模擬運(yùn)算形成了可以對(duì)細(xì)胞進(jìn)行分類的模型。

▍基礎(chǔ)模型

基于卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)方式完成對(duì)數(shù)據(jù)集的訓(xùn)練?；A(chǔ)模型中有很多知名的三甲醫(yī)院老師已確診的細(xì)胞涂片和一些著名高校的教授老師對(duì)細(xì)胞涂片的標(biāo)注，近20萬(wàn)的病例數(shù)據(jù)，進(jìn)行了訓(xùn)練，保證準(zhǔn)確率。
如何使模塊更加匹配醫(yī)院的診斷結(jié)果
1、深度學(xué)習(xí)基礎(chǔ)模塊的不足

深度學(xué)習(xí)的方法為機(jī)器語(yǔ)言的學(xué)習(xí)，基礎(chǔ)模塊中摻雜了很多和我們的制片方法或耗材并不匹配的學(xué)習(xí)，所以并不能確定實(shí)際使用中的準(zhǔn)確度有多少？
2、如何優(yōu)化模塊

把我們所制作的細(xì)胞涂片進(jìn)行分類和標(biāo)注，讓機(jī)器再次學(xué)習(xí)，讓機(jī)器對(duì)我們制片工藝和細(xì)胞涂片的分類分級(jí)記憶更加的精準(zhǔn)同時(shí)提高我們識(shí)別的準(zhǔn)確率。