亚洲精品久久无码2021,偷拍亚洲另类无码专区制服,亚洲欧美性都花花世界,国产熟女的精品视频大全,色偷偷2025免费视频观看,撅着大腚SXMV色香视频

當(dāng)前，創(chuàng)新技術(shù)在深刻地改變著臨床實驗室檢測的效率和準(zhǔn)確性。在臨床血液檢驗中，各種標(biāo)本質(zhì)量問題的總發(fā)生率為7.50%，血液的質(zhì)量對樣本的檢驗結(jié)果影響很大，主要影響因素有采血時間過長、采血量不足、標(biāo)本處理不規(guī)范、標(biāo)本有凝塊與纖維絲/溶血/脂血/黃疸等。在血清前處理階段，血清中的凝塊與纖維絲（圖1），會引起分析儀器取樣針堵塞或者部分堵塞，導(dǎo)致標(biāo)本TAT增加或檢測結(jié)果的不準(zhǔn)確。通常實驗室采用目測法識別凝塊和纖維絲，但是這種方法不僅耗時，主觀性強，且可能導(dǎo)致誤判，由此可見，血清的智能識別尤其重要。

基于此，安圖生物研發(fā)團隊引入AI技術(shù)，首次將機器視覺與深度學(xué)習(xí)相結(jié)合，提出了一種基于深度學(xué)習(xí)的血清圖像中凝塊與纖維絲的識別方法，可以精確、高效的對圖像中凝塊與纖維絲進行自動化檢測，進而判斷血清圖像中凝塊與纖維絲的有無，并返回異常血清樣本中凝塊與纖維絲的具體位置。

參考文獻鏈接：https://doi.org/10.1016/j.cca.2023.117732

圖1：血清前處理階段，血清中的凝塊與纖維絲

目前，在13230例臨床測試標(biāo)本中符合率高達97.93%，可滿足臨床實際需求。該方法已于2024年1月發(fā)表在醫(yī)學(xué)檢驗權(quán)威SCI期刊Clinica Chimica Acta上（IF 5.0，JCR）。這是人工智能在臨床檢驗中應(yīng)用的重大突破，為人工智能在醫(yī)學(xué)檢測中的應(yīng)用提供了新的思路和可能性，那這套方法又是如何“大顯身手”的呢？AI新應(yīng)用大揭秘，當(dāng)然有圖有真相！

識別方法

UNeXt網(wǎng)絡(luò)是一種高效的分割網(wǎng)絡(luò)，它具備更少的參數(shù)量和計算復(fù)雜度，更快的推理速度的同時保持良好的分割效果（圖2）。在識別判斷血清區(qū)域圖像中是否含有血凝塊與纖維絲的研究中，首先通過液位檢測算法提取血清區(qū)域，然后使用改進的UNeXt分割網(wǎng)絡(luò)對血清區(qū)域圖像中的血凝塊與纖維絲進行分割并根據(jù)分割結(jié)果識別血清圖像中是否還有血凝塊與纖維絲（改進的UNeXt分割驗證數(shù)據(jù)詳見文末，可滑動）。算法的整體流程見圖3。

圖2：UNeXt網(wǎng)絡(luò)結(jié)構(gòu)圖（改進的UNeXt分割模型）

圖3：整體算法流程圖

由于血清圖像中血凝塊與纖維絲占圖像的比例較小，屬于小目標(biāo)分割，采用二進制交叉熵，整張圖的損失loss會被背景類所主導(dǎo)，導(dǎo)致難以對前景進行學(xué)習(xí)，此外，血凝塊與纖維絲的邊界模糊，邊緣非常容易被分類錯誤。該識別方法采用加權(quán)WBCE損失和Dice損失相結(jié)合的方法訓(xùn)練分割模型。改進的Tokenized MLP塊相對原始塊提取了更多有用的信息，提升了模型的分割的精度（圖4）。

圖4：Tokenized MLP Block

本研究在原來模型的基礎(chǔ)上改進了Tokenized MLP結(jié)構(gòu)、損失函數(shù)和圖像歸一化方法。改進的Tokenized MLP塊結(jié)構(gòu)，在原Tokenized MLP塊的基礎(chǔ)上，增加一路，即先將token傳遞到跨高度的Shifted MLP，再將特征傳遞給跨寬度的Shifted MLP，最后將兩路的特征相加融合，將融合結(jié)果應(yīng)用層歸一化，并將輸出特征與原始token相加后傳遞到下一個塊。

由于不同的采血管規(guī)格產(chǎn)生的采血量差異、不同醫(yī)護人員血液采集時的主觀性差異、不同人血液中不同成分比例的差異，以及不同離心設(shè)備的程序差異，導(dǎo)致最終剪切得到的血清區(qū)域圖像的尺寸差異較大（圖5a）。如果通過簡單的尺度歸一化將所有血清樣本圖像resize到相同的尺寸，易導(dǎo)致圖像中的目標(biāo)產(chǎn)生形變，影響最終的分割結(jié)果。該識別方法采用了一種無形變尺度歸一化方法，提升了分割效果（圖5b）。

圖5：血清原始圖及歸一化結(jié)果圖

驗證數(shù)據(jù)

改進的UNeXt模型的Dice系數(shù)可提升至87.07%。與UNeXt模型相比雖然在參數(shù)量和計算復(fù)雜度上有所增加，但Dice系數(shù)提升了1.61%，推理速度的差別可忽略不計（表1）。

改進UNeXt相比于UNet和UNeXt有更好的分割效果。UNet分割模型對于血清區(qū)域容易誤分割，而UNeXt分割模型對血凝塊與纖維絲分割不夠完整（圖6）。

為了驗證改進UNeXt的實際應(yīng)用結(jié)果，收集醫(yī)院連續(xù)一個月的檢測樣本數(shù)據(jù)13230例，并用改進UNeXt分割模型進行分割。分割結(jié)果見表2（樣本中有血凝塊與纖維絲則為陽性），其中符合率達到97.93%，可滿足臨床實際使用要求。

基于安圖生物Autolas X-1流水線

真實血清樣本的創(chuàng)新性研究

一｜臨床樣本收集

基于流水線標(biāo)本的數(shù)據(jù)采集：實驗所用的標(biāo)本圖像來源于安圖生物Autolas X-1流水線在多家醫(yī)院正常運行時收集的真實血清標(biāo)本圖像，圖像包含不同廠家、不同規(guī)格、不同批次的采血管圖像（圖7）。

圖7：數(shù)據(jù)原圖

二｜臨床樣本標(biāo)注

二．臨床樣本標(biāo)注

數(shù)據(jù)標(biāo)注：從大量采集的臨床標(biāo)本血清圖像中甄選出數(shù)萬張含有凝塊與纖維絲的標(biāo)本，所有數(shù)據(jù)標(biāo)本標(biāo)注嚴(yán)格按照《人工智能醫(yī)療器械注冊審查指導(dǎo)原則》（圖8-9）由經(jīng)驗豐富的權(quán)威專家進行標(biāo)注和審核，形成具有數(shù)據(jù)多樣性的數(shù)據(jù)庫（圖10）。

圖8：《人工智能醫(yī)療器械注冊審查指導(dǎo)原則》

圖9：《人工智能醫(yī)療器械注冊審查指導(dǎo)原則》中數(shù)據(jù)標(biāo)注原則

圖10：凝塊與纖維絲數(shù)據(jù)庫

三｜AI模型訓(xùn)練

模型訓(xùn)練和自學(xué)習(xí)：將數(shù)據(jù)庫作為基準(zhǔn)模型的數(shù)據(jù)基礎(chǔ)，將實驗用數(shù)據(jù)集按照7：2：1的比例隨機劃分為訓(xùn)練集、驗證集和測試集。利用改進的UNeXt分割模型進行訓(xùn)練，實驗參數(shù)設(shè)置中每批次數(shù)據(jù)的大小設(shè)置為8，優(yōu)化器采用adam優(yōu)化算法，初始學(xué)習(xí)率設(shè)置為0.001，最小學(xué)習(xí)率設(shè)置為0.00001，動量設(shè)置為0.9，訓(xùn)練的迭代次數(shù)設(shè)置為200，模型訓(xùn)練時驗證集Dice變化曲線（圖11）。通過改進的UNeXt網(wǎng)絡(luò)自動化提取圖像的特征，然后進一步分析，建立凝塊與纖維絲類別與像素多維特征間的關(guān)聯(lián)，從而使網(wǎng)絡(luò)進行自我學(xué)習(xí)，實現(xiàn)凝塊與纖維絲分割的性能提升。

圖11：val_Dice變化曲線

四｜應(yīng)用效果和臨床意義

安圖生物全新自主研發(fā)生產(chǎn)的自動化流水線Autolas X-1 Series，通過AI智能識別系統(tǒng)，可識別判斷血清中是否含有凝塊與纖維絲，對于正常的標(biāo)本，直接進行項目檢測。對于有凝塊與纖維絲的標(biāo)本，將結(jié)果傳給中間件，由中間件控制異常標(biāo)本分揀至指定區(qū)域，及時攔截異常樣本，避免取樣針堵塞或部分堵塞。該識別方法減少了工作人員的參與，避免人員的主觀性產(chǎn)生的誤判；填補了流水線產(chǎn)品功能上識別血清中含有凝塊與纖維絲的空白；提前識別異常標(biāo)本，避免取樣針堵塞導(dǎo)致的整體標(biāo)本TAT增加或取樣針部分堵塞導(dǎo)致的標(biāo)本部分檢測項目結(jié)果的不準(zhǔn)確致使醫(yī)生對病人病情的誤診，減少試劑浪費；代替人工目測環(huán)節(jié)，自動化快速檢測標(biāo)本血清中是否含有凝塊與纖維絲，減少標(biāo)本的TAT；與血清質(zhì)量識別公用采集數(shù)據(jù)，無需另外增加采集設(shè)備，降低成本。Autolas X-1流水線AI智能識別系統(tǒng)，讓血清的識別和判斷更高效、更準(zhǔn)確，為檢測結(jié)果的準(zhǔn)確性保駕護航。

圖12：安圖生物Autolas X-1流水線

期刊簡介

國際臨床化學(xué)和實驗醫(yī)學(xué)聯(lián)合會(IFCC)的官方期刊《Clinica Chimica Acta》是一本國際臨床化學(xué)與診斷檢驗醫(yī)學(xué)雜志。該刊發(fā)文范圍涵蓋醫(yī)學(xué)實驗技術(shù)等領(lǐng)域，旨在及時、準(zhǔn)確、全面地報道國內(nèi)外醫(yī)學(xué)實驗技術(shù)工作者在該領(lǐng)域的科學(xué)研究等工作中取得的經(jīng)驗、科研成果、技術(shù)革新、學(xué)術(shù)動態(tài)等。期刊ISSN號0009-8981,EISSN號:1873-3492，最新影響因子為5.0分，JCR一區(qū)，其 CiteScore:9.6。