什么是新兴科技公司(新兴医疗科技公司)一看就会

这样的事情在多年前也是时常发生，那究竟该如何解决这个问题呢?对于这种主观，而且非常耗时的方式，科学家们早就提出了反对和质疑的声音，因为生命是可贵

 

文|玉惜品诗编辑|玉惜品诗前言：经常出入医院的观众们应该可以发现血液分析诊断这个环节十分的麻烦和耗时，这些都是因为传统的方法对于现在的多发性疾病来说已经不适用了对于血液病来说，正确分析血液细胞的形态对于检测血液疾病至关重要，但传统的方法需要专业的病理学家手动进行细胞形态学分析。

这是一种极其主观的诊断方式，也是极其耗时和不负责任的方式，很可能因为医生的误判就导致患者错过最佳的救援时间。这样的事情在多年前也是时常发生，那究竟该如何解决这个问题呢？

Morphogo系统革新血液细胞诊断对于这种主观，而且非常耗时的方式，科学家们早就提出了反对和质疑的声音，因为生命是可贵的，如果因为误判或者耗时过多而导致延误治疗，这是一个人命在手中消逝的典型案例于是为了解决这个问题，。

科学家们开发了一种名为Morphogo的系统，它是利用卷积神经网络进行细胞形态学检查，于是Morphogo系统的发展受到了机器学习和深度学习技术的迅速发展以及医学领域的紧迫需求的推动，尤其是在血液学领域。

为了让这项研究更实用也更加有效，科学家们引入了机器学习技术，目的是为了改进和加速血液细胞形态学分析的过程，后期为了确保Morphogo系统的高准确性，研究人员利用了庞大的数据集，其中包括超过280万个骨髓有核细胞图像。

接下来我们将仔细介绍Morphogo系统的研发和性能评估过程，这个系统的性能评估是通过对508个BM病例进行的，这些病例被分为五组，根据形态学异常程度进行分类，共包括385,207个BM有核细胞。

并且这些结果表明，Morphogo系统能够准确地识别超过25种不同类型的BM有核细胞，并且在敏感性、特异性、阳性预测值、阴性预测值以及总体准确性方面都取得了令人印象深刻的成绩科学家们除了对系统功能做了实验外，研究人员还对Morphogo系统的性能与专业病理学家的校对进行了比较，。

结果显示两者在大多数组别中具有高度相关性，尤其是在粒细胞、红细胞、淋巴细胞、单核细胞和浆细胞的分析中，这些发现不仅验证了Morphogo系统在临床实践中的实际应用性，还突显了它在协助病理学家诊断血液疾病方面的重要价值。

也是这些卓越的数据结果让所有人看到了血液疾病上的新希望，也许这一新兴技术有望为医学诊断领域带来革命性的变革，提高了血液细胞形态学分析的效率和准确性，为更快速的疾病诊断和治疗提供了有力支持。

引领血液学疾病诊断革命的新希望众所周知，骨髓、细胞形态学检查在血液学疾病的诊断中发挥着至关重要的作用，包括急性白血病、慢性白血病、骨髓增生异常综合症、浆细胞髓瘤和出血性疾病等根据世界卫生组织的诊断指南，骨髓形态学检查是最关键的诊断步骤之一，与免疫诊断和细胞遗传学诊断并列，。

然而传统的骨髓形态学评估过程依赖于技术人员和血液病理学家的专业知识，且非常耗时，限制了整体效率，因此，迫切需要自动化方法进行标准化的骨髓细胞差异计数。

在这个时候，科学家们提出了一种新的方案，那就是卷积神经网络，这是一种深度学习算法，以其在图像特征提取方面的卓越能力而闻名，自从卷积神经网络在2012年ImageNet竞赛中表现出色以来，它在计算机辅助系统中得到了广泛应用，卷积神经网络已被用于临床环境中，以减轻医疗专业人员在对象识别和图像分类方面的工作负担，并提高临床诊断的精度。

即使这项算法受到业界顶级人物和机构的认可，但是这项技术在骨髓有核细胞的识别方面，自动化方法的发展相对较晚，尤其最近几年，结合卷积神经网络和Gabor的方法被用于分类血液细胞，并且这种方法的计算成本也十分的高。

但是其他低成本的研究方案也有特别多的不足，比如其他研究所采用了更快的R-CNN进行骨髓成像细胞检测，但它需要手动调整显微镜的焦点这就表示这项技术并未完全脱离人工，不仅如此，它还有使用深度学习方法来分离BM图像中的细胞以区分急性髓系白血病和健康细胞的研究，但该方法需要手动选择用于疾病分类的区域，可能产生错误的结果，。

为了检测急性淋巴细胞白血病，一些研究通过贝叶斯优化技术进行了优化，最终实现了100%的准确性。

以上这几种方法都有太多的局限和不准确性，导致血液病还成为一个难题，但如今有少许科学家却开发了新的Morphogo系统，甚至他们表示这个系统克服了许多这些局限性，使其能够高效而准确地识别和分类骨髓有核细胞。

除了克服这些局限外，该系统还整合了骨髓涂片的数字成像与基于人工智能的自动骨髓细胞差异计数，已在识别各种细胞类型方面表现出高准确性，包括粒细胞、红细胞、淋巴细胞、浆细胞和单核细胞，甚至包括转移性癌细胞

但是这项被一一直吹嘘的技术却一直未进行过实验，面对很多人的质疑声，那群科学家们表示他们将致力于进一步改进Morphogo系统，以提高其性能并在协助诊断血液学疾病方面的临床价值接下来我们将深入的剖析一下这个新的系统和算法，。

看看这个系统究竟能不能让血液病实现质的飞跃，能否让医疗技术实现重大突破？

卓越的骨髓细胞识别与计数技术Morphogo系统是由中国杭州智威信息技术有限公司开发的一种基于卷积神经网络的人工智能系统，它用于自动进行BM有核细胞的差异计数，具体流程是先让Morphogo系统使用40×目物镜对骨髓涂片进行自动扫描，同时捕获了全幅图像，这使得系统能够计数巨核细胞并确定细胞分析的自适应区域。

随后，系统再切换到100×目物镜，捕获指定区域的图像，系统使用卷积神经网络在这个区域内识别骨髓有核细胞，并进行差异细胞计数，直到获得指定数量的细胞，然后在最终确定和发布细胞形态学报告之前，数据经过病理学家的审核，以确保数据的真实性和准确性。

中国公司在研究过程中，为了评估Morphogo系统在不同血液学疾病中的细胞分类性能，骨髓有核细胞被分为25个类别，包括不同类型的红细胞、粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、单核细胞、淋巴细胞、浆细胞等，根据世界卫生组织的分类标准。

而细胞分类性能以灵敏度、特异性、阳性预测值、阴性预测值和准确性进行评估，鉴于骨髓有核细胞形态学识别的不确定性，他们引入了“容忍类别”的概念，也就是说即使卷积神经网络模型在某些情况下与病理学家提供的精确标签不符，也可接受某些错误分类，

另一方面他们使用kappa值来度量病理学家校对结果与Morphogo系统输出结果在疾病诊断上的一致性在这里做一个小小的实验，我们将Morphogo系统通过ROI获取的高分辨率的骨髓有核细胞数字图像分为25个类别，然后我们将其打乱混淆，但是都将这些图像做了明显标记，比如深蓝色方块代表Morphogo系统完全与病理学家的校对结果一致的有核细胞数量，白色方块表示Morphogo系统和病理学家的校对结果不同，浅蓝色方块中的细胞是容易混淆的，可以接受其误分类。

而后我们将这个系统进行不同病理条件下的多项测试，看看它在分类血液细胞方面的表现如何，结果显示，Morphogo系统在平均80.95%的情况下能够敏锐地识别不同类型的血液细胞，而对于9个特定类型的细胞，它的敏感性更是达到了95%以上，

在特异性方面，Morphogo系统对所有类型的血液细胞平均的特异性达到了99.48%虽然结果显示该系统在阳性预测值的数值在不同类型的血液细胞中有所不同，从30.45%到99.69%不等，平均值为76.49%，但是Morphogo系统在中性粒细胞骨髓细胞、。

带状中性粒细胞、分段中性粒细胞、中等红细胞、单核细胞等方面表现出了95%以上的PPV。

甚至在负性预测值的平均值超过99%，范围从95.43%到100.00%不等，而嗜碱性粒细胞骨髓细胞、带状嗜碱性粒细胞、浆细胞则在其他细胞之前具有100.00%的NPVMorphogo系统在分类和计数血液细胞方面表现出了高达95.55%到99.98%的准确性，平均为99.01%。

这些优秀的数据结果都表明，Morphogo系统在识别和计数血液细胞方面具有很高的性能，对医学诊断具有重要意义，也就是代表，除promonocytes外，Morphogo系统在识别各种骨髓有核细胞方面均具有中等到几乎完美的一致性，这也是医疗界的巨大进步。

总结：这个由中国杭州公司建立的新的系统在经过多位科学家们在不同病理条件下进行的多项测试后，我们可以发现除了一些特定情况Morphogo系统在与病理学家的校对结果上保持了一致性，这不仅展现了中国在医疗方面的巨大进步，还标志着世界的医疗领域也取得了巨大成效。

，也许未来血液疾病不再成为人人害怕的疾病了，而是一种最普通的病症了。