CN113887275B 基于远程阅片标注的病理判读方法、系统和可读存储介质 （杭州迪英加科技有限公司）

道龙潭路7号未来研创园B座5楼B501-WO2020253886A1,2020.12本发明公开的一种基于远程阅片标注的病将所述病理切片信息输入到训练好的病理识别神经网络模型中，得到所述模型的模拟输出结结果比对一致的所述判读结果作为所述病理切读以提高病理判读准确率，并追溯到具体操作2获取玻片的电子扫描件，并数字化显示病理切片信息，以发送到将所述病理切片信息输入到训练好的病理识别神经网络模型中，基于所述模拟输出结果获取所述病理切片的目标可疑区域，并同步共享给所述用户获取所述用户端返回的两次判读结果并进行比对，将结果通过预设的扫描仪扫描所述玻片得到所述电子基于预存的切片数据库匹配所述电子扫描件得到所述病理切片信将同一个所述病理切片信息分两次发送给所述用户端进行病理基于所述病理切片分析结果得到所述病理切片的目标获取所述病理切片属性信息进行身份识别，将所述目标可疑区将所述历史玻片扫描件的病理切片信息与切片识别结果进行预处理，得到训练样本将所述训练样本集输入至初始化的所述病理识别获取用户标注的所述测试判读结果与所述审将判定结果比对为一致的所述审核判读结果作为所述病理切片的识别3基于所述工作量总值匹配对应的酬劳机制以获取玻片的电子扫描件，并数字化显示病理切片信息，以发送到将所述病理切片信息输入到训练好的病理识别神经网络模型中，基于所述模拟输出结果获取所述病理切片的目标可疑区域，并同步共享给所述用户获取所述用户端返回的两次判读结果并进行比对，将结果通过预设的扫描仪扫描所述玻片得到所述电子基于预存的切片数据库匹配所述电子扫描件得到所述病理切片信将同一个所述病理切片信息分两次发送给所述用户端进行病理基于所述病理切片分析结果得到所述病理切片的目标获取所述病理切片属性信息进行身份识别，将所述目标可疑区获取用户标注的所述测试判读结果与所述审将判定结果比对为一致的所述审核判读结果作为所述病理切片的识别7.一种计算机可读存储介质，其特征在于，所45[0029]将判定结果比对为一致的所述审核判断结果作为所述病理切片的识别结果进行的病理判读方法程序被所述处理器执行时实现如6[0058]将判定结果比对为一致的所述审核判断结果作为所述病理切片的识别结果进行7[0070]如图1所示，本申请公开了一种基于远程阅片标注的病理判读方法，包括以下步[0080]需要说明的是，利用TDI-CDD线性扫描仪对所述玻片进行扫描得到所述电子扫描8[0091]将判定结果比对为一致的所述审核判断结果作为所述病理切片的识别结果进行9往结果显示，医生A在HSIL切片的判读上准确率80％以上，那么当AI处理时认为疑似HSIL[0113]若所述占比未超过所述等级阈值，则将所述目标可疑区域的等级划分为第二等[0114]需要说明的是，所述病理切片的目标可疑区域内的病变细胞的改变程度是不同述等级阈值为60若所述占比超过60则表明所述目标可疑区域内的病变细胞程度已经超过60则将所述目标可疑区域的等级划分为第一等级，在所述用户端病理医生判读注的病理判读方法程序被所述处理器执行时实现[0126]需要说明的是，利用TDI-CDD线性扫描仪对所述玻片进行扫描得到所述电子扫描[0137]将判定结果比对为一致的所述审核判断结果作为所述病理切片的识别结果进行往结果显示，医生A在HSIL切片的判读上准确率80％以上，那么当AI处理时认为疑似HSIL[0159]若所述占比未超过所述等级阈值，则将所述目标可疑区域的等级划分为第二等[0160]需要说明的是，所述病理切片的目标可疑区域内的病变细胞的改变程度是不同述等级阈值为60若所述占比超过60则表明所述目标可疑区域内的病变细胞程度已经超过60则将所述目标可疑区域的等级划分为第一等级，在所述用户端病理医生判读例的技术方案本质上或者说对现有