自动化尿液细胞病理报告系统

简介

膀胱癌是世界范围内最常见的癌症之一。尿细胞检查是一种简单而有效的检测和诊断膀胱癌的方法。然而, 筛查尿液细胞标本一直以来被认为是一项耗力、耗时、耗材、且容易出错的临床工作。因此, 临床急需自动化尿液细胞检测报告系统帮助医生。

创新技术名称

自动化尿液细胞病理报告系统

完成研究日期

2023

商品化机会

知识产权许可

解决方案

开发细胞级分析的深度学习模型，融合临床知识和统计形状先验知识的细胞分类，并且结合细胞级知识及全切片信息，将预测诊断结果以帮助医生做出临床决策，极大减少病理专家的工作量。

创新技术

一种新的知识正则化CNN，从整个尿液波片图像中进行细胞区域分割，同时把简单但重要的先验知识融入到分割网络中，以避免不合理的分割错误。
一种新的深度学习模型用于分割重叠细胞质，该方法从重叠细胞质分割训练过程中生成的特征图中学习和更新细胞质的形状先验知识，有效地利用形状先验知识来指导训练和改进分割结果。
一种新的CNN，通过特征融合解决样本不平衡时尿液细胞的准确分类，和基于U统计量的膀光癌诊断模型。

主要成效

该系统能帮助临床专家减少检查时间，提高膀胱癌的诊断准确率，最终降低膀胱癌的死亡率。
该系统将使从事医学图像分析的公司、医疗设备制造商和智能临床系统的医疗服务提供商受益。
该系统有望推动深度学习及其相关行业的研究，尤其为如何利用数据和先验知识构建具有良好能力和通用性的深度学习模型提供新的方案。
该系统有很大的潜力造福于医疗保健行业，尤其是那些从事于提供自动化智能诊断和临床决策的行业。

应用范畴

膀光癌智能诊断

香港理工大学

香港理工大学（理大）有逾八十年的辉煌历史，跻身全球百强学府之列。凭借世界级的科研与教育，理大矢志要成为世界的顶尖大学。

理大致力培育慎思明辨、勇于探索求知、富于创见和能言善道的学生，让他们为世界带来正面影响。我们矢志培养明日的领袖，通过全人教育，让理大的毕业生具备专业才能；我们也为他们提供难能可贵的实习机会，使他们未来能在社区及业界独当一面。