实验大鼠

•人工智能可以识别47种器官类型的262种基本组织结构。

•总共可以计算595个定量指标进行详细分析。

实验小鼠

•人工智能可以识别48种器官类型的247种基本组织结构。

•共有567个定量指标可供分析。

这种结构化的研发支持对每个物种100多种常见疾病的诊断，展示了其广泛的适用性。（注：可能会应用数据匿名化或模糊处理来确保隐私和安全。）

为了增强分析自动化，已经为大鼠和小鼠开发了用于全器官识别的AI算法。这些算法：

•自动检测病理切片中器官的位置和类型。

•直接链接到基本结构识别模型，提高准确性。

•消除了手动选择器官特定模型的需要，实现了完全自动化的分析。

该系统识别47个大鼠器官和48个小鼠器官，每种器官类型的识别准确率为95%或更高。

高质量的数字扫描对于病理切片的可靠AI分析至关重要。为了解决数字化过程中因污垢、照明不当或聚焦误差引起的模糊等问题：

•开发了一种切片扫描质量检测算法。

•该算法识别并标记模糊区域，并突出显示存在扫描质量问题的幻灯片，从而减少了手动检查的需要。

•管理员只能专注于标记的幻灯片，大大降低了质量检查的工作量。

该检测算法实现了90%的检测率和92%的准确率，确保了AI驱动分析的可靠输入。

为了使人工智能集成在大规模工业环境中可行，平衡性能和成本效益至关重要。

•研究表明，使用小参数模型、低视频存储图形卡和紧凑型存储卡可以在不影响准确性的情况下获得有竞争力的结果。

•所有开发的AI算法都针对轻量级部署进行了优化，使其与相对低成本的硬件设备兼容。

这种方法确保了实施的成本效益，为人工智能在病理学中的广泛应用铺平了道路。

通过利用结构化研发、全器官识别、质量检测和成本效益高的部署，该人工智能平台为自动化病理分析提供了全面的解决方案。

这些进步提高了诊断精度，简化了工作流程，并增强了将人工智能集成到常规和大规模病理学应用中的可行性。