本产品在医疗机构使用，软件对宫颈细胞数字病理图像（采用病理切片扫描仪对采用沉降式液基薄层细胞学（沉降法）制备方法制备的宫颈细胞学涂片进行扫描，形成宫颈细胞学数字病理图像）进行全片分析，对疑似病变细胞进行自动识别和标记并给出诊断提示，其结果供执业病理医师参考，阅片病理医生不应仅针对提示的疑似病变细胞进行审查，还应针对全部数字图片进行审查。

技术特点

一、算法设计创新：

根据宫颈TBS系统的判读原理、以及模拟细胞医生在判读切片时的行为规律，人工智能算法整体被设置为“滑窗检测-切片分类”两阶段判读逻辑，并在判读前设置质量检查算法用以检查切片的扫描制片质量是否合格。

1、滑窗检测：对切割后的固定大小的滑窗子图，使用滑窗检测算法检测子图中各个细胞的位置、类别，并输出模型所认为的判别概率。

2、切片判读：

I. 对一张切片的所有子图进行检测后，汇总所有细胞位置、细胞类别、置信区间及特征图数据后，使用7个切片判读算法分别进行判读分析，模拟7位不同的医生分别判读，输出各个判读的置信概率

II. 基于增强学习的动态集成模型：本公司自研的集成算法，不但具有基于大量数据预训练的基础模型，还具有基于特有数据进行动态调优集成功能，以得到最佳的切片判读结果。

二、算法应用创新

本案例基于数据要素，驱动医院诊断流程的智能化应用与智能化能力的循环提升。

1、数据驱动智能化应用：基于基于人工智能算法设计，系统在应用算法结果时，需要保持与算法设计架构的一致性，并将此一致性保持到算法推理模块中。因此，当系统传入原始切片后，首先经过质量检查算法检查标本满意度；然后传入滑窗检测算法检测细胞位置、细胞分类并保留置信区间，保存上述数据到指定数据文件；最后将数据文件输入切片判读算法进行判读，并将判读结果保存到系统MySQL数据库。

2、智能化能力提升：基于日常的历史诊断，在报告发布以后通过数据管理工具重新进入数据库，作为模型优化的原材料，不断提升算法质量与精度，从而形成智能化提升闭环。

产品特点

每天完成制片的宫颈细胞染色玻片，被放入扫描仪进行扫描。每完成一张玻片的数字化扫描，布置于当地服务器上的AI算法自动对该数字图像进行分析、判读。全过程机器自动完成，无需人员值守。机器判读的程序如下：

1、自动分析数字切片的成像质量：如果图像质量不合格，AI算法依然会对该数字切片进行判读，但是会提示该片图像质量不合格或异常；

2、单个细胞分析(窗级)：算法会对数字切片上的每一个细胞进行判断分析。之后按照TBS分型，将每个类别的可以细胞记录下来，分类呈现在用户界面右边。

3、病例诊断建议(片级)：系统综合窗级判断，通过片级综合算法，给出整张片子的诊断建议，分为NILM，ASC-US,ASC-H,LSIL，HSIL，AGC，SCC。

判读完成后，医生可以根据AI找到的异常细胞，进行判断，给出医生的诊断结果。整个流程需要经过采集样本、制片、扫描、判读和复核等几个环节。

在机器的帮助下，医生可以在1小时内判读60-90张涂片，效率相较于每小时20张的诊断量效率有极大提升。同时，由于人工判读会存在疲劳、疏忽等原因，导致遗漏阳性片的发生，AI辅助可以有效地起到检查的作用，帮助医院进一步降低潜在风险。