聚焦以大数据、人工智能为基础的智慧病理技术,研发基于图像的伴随诊断分析工具,辅助医生实现更准确的疾病诊断、预测、预后和最佳的临床护理;提供对生物样本在细胞与组织水平上进行定量特征测定的方法,对疾病发生和发展的分子机制与细胞行为进行深入研究。围绕肿瘤相关疾病的“诊”与“疗”,探索行业发展的科技创新动力。
探索基于人工智能的细胞病理图像分析技术及轻量密集目标检测方法,运用图像分类、检测和分割等多模型深度学习组合工作框架,并利用集成学习解决复杂目标检测困难的问题乳腺癌、宫颈癌、等常见高发癌症进行病变细胞的准确分类和精准定位,提升计算机辅助诊断能力,为癌症的早期筛查和准确诊断提供条件。
研究基于深度学习的端到端癌变检测技术及组织病理图像的特征差异,分析细胞形态学变化,使用大量数字切片对模型进行全局优化,寻求最优解,实现对数字切片的癌变位置分离,提高微小病变的识别能力,以此达到智能辅助诊断的目的。
研究组织病理图像的特征差异,通过深度学习提取不同癌症细胞的特征表达,结合既往诊断报告建立组织病理知识库,并利用相似度计算实现以图搜图的检索功能。
研究基于深度学习的泛癌基因突变预测,将病理组学和分子组学相融合,从病理图像的尺度分析基因分子特征,通过深度学习方法分析全扫描组织病理图像并结合组织病理图像的形态学特征,以期达到TP53、KRAS、EGFR等常见基因靶点泛癌基因突变预测,能够以较高的准确率筛查出有效患者,给予精准的临床治疗。
研究对影像数据、视频、文本、时序数据等不同模态数据进行多特征提取融合以及多模态分类的方法,探索慢性神经退行性疾病的多模态诊断方案及智能交互式设备实现对帕神经退行性疾病的精准诊断。
依托该平台,各级卫生健康行政部门和各级病理专业质控中心对辖区内医疗机构进行培训和指导,强化病理质控指标的应用,采用信息化手段开展相关信息收集、分析和反馈,强化结果运用,指导医疗机构持续改进病理诊断水平。各级病理质控中心对存在“异常数据”或“负性指标”较突出的医疗机构进行现场督查、反馈。
该平台作为山东省互联网医疗监管服务平台重要组成部分,依托全省三甲医院病理专家资源建设运营。任何病理科都可以通过该平台为其他病理科提供力所能及的服务,或者申请所需的支持,完成院间协同诊断,实现病理资源的共享。
人工智能辅助诊断平台结合 AI 辅助诊断,通过大数据分析、神经网络深度学习、超算平台算力支撑对病理切片进行定性、定量分析,实现诊前辅助分析、诊中病变区域标注、诊后报告生成,可辅助病理医生提高诊断效率,有效避免误诊、漏诊。协助病理科完成信息化、数字化、智慧化的升级建设。
内置大量用于病理诊断与鉴别诊断的文献、指南等资料,通过人工智能相关技术辅助病理医生实现关联性检索,提供诊断决策路径及证据。其中以图搜图技术为平台的核心技术之一,目前可精准到癌症的分类和分型。
围绕制造业研发需求,通过整合高端仿真软件及高性能计算硬件,实现企业仿真流程上云。平台帮助企业合理配置研发资源,提高资源利用效率,降低高端研发工具使用门槛,从而降低产品研发创新过程中的信息化成本。
鲁公网安备 37011202001894号