人工智能+數字病理解析細胞背后的秘密

▍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，簡單的可以理解為：制造智能的機器，制定智能的程序來為人辦事。
人工智能輔助診斷系統的主要技術包含了以下兩點：① 深度學習  ② 大數據

▍人工輔助診斷系統的優勢
1、經數碼掃描后形成的數字切片，在儲存中解決了細胞涂片在儲存過程中造成的顏色退變或玻片的損壞的現象，并有利于快速查找切片，為后期遠程會診和會議教學提供方便；
2、隨著患者數量的逐年遞增，AI輔助診斷系統，減輕了病理醫生閱片的壓力，AI識別提供了病理診斷領域對于快速準確的輔助診斷工具的需求。

▍深度學習+大數據

目前使用了卷積神經網絡深度學習的方法做的細胞模型，并使用了大量的細胞涂片的標注數據來支撐。

通俗意義的講：我們給了機器細胞的形態，細胞的分類，讓機器自主的去學習，他會很高效的提取圖片中細胞的特征，使用自己的方式進行處理，對圖像分類，并經過了大量圖像標注數據的模擬運算形成了可以對細胞進行分類的模型。

▍基礎模型

基于卷積神經網絡的監督學習方式完成對數據集的訓練。基礎模型中有很多知名的三甲醫院老師已確診的細胞涂片和一些著名高校的教授老師對細胞涂片的標注，近20萬的病例數據，進行了訓練，保證準確率。
如何使模塊更加匹配醫院的診斷結果
1、深度學習基礎模塊的不足

深度學習的方法為機器語言的學習，基礎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習，所以并不能確定實際使用中的準確度有多少？
2、如何優化模塊

把我們所制作的細胞涂片進行分類和標注，讓機器再次學習，讓機器對我們制片工藝和細胞涂片的分類分級記憶更加的精準同時提高我們識別的準確率。