全切片数字化图像(wholeslideimages，WSI)的出现不但使病理切片的获取更加方便，更重要的是改变了传统的阅片方式。随着数字病理切片在病理诊断中的应用，大量定量分析算法应运而生，包括传统机器学习算法和深度学习算法。近年来，高质量数字病理切片的大量积累为病理切片的分析提供了大数据背景，深度学习算法对大数据样本分析能力普遍强于其他算法，在病理切片分析中表现出巨大潜力。计算机辅助算法在病理分析中的广泛应用，不但能减轻病理医师的工作负担，同时可以提升病理诊断的准确率。我们有理由相信病理诊断的智能机器人的出现是可以期待的。
阿尔法狗和病理狗
年3月，"阿尔法狗(AlphaGo)"战胜韩国九段棋手李世石，在人工智能领域引起了轩然大波。"阿尔法狗"将深度学习和蒙特卡洛树状搜索相结合，通过自我对弈不断进化，攻克了30年来围棋这一人工智能领域的头号强敌。深度学习是一种基于人工神经网络、对数据进行特征学习的算法的泛称，包含多层隐层的人工神经网络模型都可以叫做深度学习。该算法的多层堆叠式结构能够组合数据的低层特征得到数据的高层特征表达，对于大数据样本、复杂函数模型具有强大的处理能力，是人工智能领域的热门研究。
人工智能在病理界也有十分广泛而深入的应用。年有文献报道，通过人工智能技术对肺癌样本进行分析，可以为患者预后分析提供指标，为此国内有人将其与"阿尔法狗"相比拟，我们将其定名为"病理狗(PatholGo)"。
病理诊断是疾病诊断的金标准，病理切片分析为病理诊断提供了依据。因此，自病理切片技术出现至今，科学家不断将新的技术手段应用于病理切片的分析中，其中数字病理切片的出现为病理切片定量分析提供了支持。WSI是一种高分辨率的数字病理切片，其所包含的巨大信息为数字病理切片的定量分析任务提供了可靠的基础。结合计算机视觉领域技术的飞速发展，病理切片的自动分析能够提高医师的诊断准确性和工作效率，为患者提供个性化的病理诊断和疾病预后判断。
病理狗组织学基础和诊断技术
传统的病理切片分析方法，需要经过专门训练的病理医师在显微镜下逐个寻找感兴趣区域，而后根据专业知识分析诊断。一张病理切片通常包含数百万个细胞，一个病理医师一天需要分析许多病理切片，这给医师带来很大的工作负担，疲劳阅片现象时有发生。临床病理诊断的正确与否，与病理医师的经验有直接的关系。这种经验除了平时学习和研究外，与阅片数量也有很大的关系，"熟能生巧"在病理诊断经验积累上得到很好的体现。因此基于病理医师主观意见的分析结果很难复制，这种主观差异性及疲劳阅片等因素势必带来一定的误诊率，误诊必然导致误治。学术界越来越认识到计算机辅助的病理切片定量分析在临床和科研中具有重要意义。
病理切片图像可以分为组织学图像和细胞学图像。由于细胞病理学图像和组织病理学图像是两个层次的形态学特征。细胞学图像通常只包含细胞本身的信息，而组织病理学图像包含更复杂的空间和不同成分相互关系等信息，因此二者对分析算法有不同的要求。
目前，使用人工智能手段分析病理切片主要分为3个方面：(1)对细胞的检测分割；(2)图像相关特征的提取；(3)病理图像的分类和分级。病理医师根据计算机辅助算法的分析结果可以对疾病做出进一步诊断。
数字病理切片的分析方法
随着计算机视觉领域的飞速发展，数字病理图像自动分析技术的性能也大大提升，改善了病理切片分析的现状。WSI常包含大量复杂、冗余的信息，因此病理分析算法通常先将图片转化为可挖掘的特征数据，而后根据特征提取的结果进一步做出病理诊断。在本文中，我们将病理图像分析算法主要分为传统机器学习算法和深度学习算法两种，用于解决以下三方面任务。
1特征提取：指从图像中挑选并简化出最能有效表达图像内容的低维矢量的过程，是数字病理切片分析中的重要步骤，只有在正确反映图像特征的基础上，才能正确分析切片的信息并做出病理诊断。目前病理图像特征提取工作主要集中于物体层面特征、空间相关特征以及多尺度特征这3个方面。(1)物体层面特征用来描述细胞、细胞核、腺体等结构的物体性特征，白颠病治疗北京治白癜风最好的医院在哪里