数字化虚拟仪

• Katharina Eser病理学实验室作为一个机构正在发生变化。即使有一段时间的滞后，这门至关重要的医学学科也正在转向数字化：实验室正在变得虚拟。这个过程的一部分也是虚拟显微镜，它支持向数字病理学的转变。许多病理学家仍然通过模拟显微镜观察，同时决定作为切片制剂位于他们面前的一小段组织是否注入了肿瘤细胞。在其他实验室，这项任务已经由一个自动化系统完成，该系统将切片制剂独立放置在扫描显微镜下，扫描样本，最后由人工智能识别、标记和计数肿瘤细胞。要采取这一步骤，你不仅需要合适的设备，还需要实验室中的新工作流程和经过培训的人员。本文将有助于强调这一过程中的挑战和出现的问题。全球病理学家短缺如今，癌症发病率正在上升，同时，能够治疗和检测癌症的人数正在减少。世界上许多地方的医疗服务不足，但即使在最富裕的国家，也缺乏病理学家等专家。造成这种情况的原因包括医学院期间的教育和广告太少，以及在实验室工作是孤立的情绪因素，与患者的接触往往仅限于观察他们的组织。但也有一个事实是，大多数疾病观察的时间越长，就会变得越复杂。人类无法提供识别某些相关性所需的数据量。因此，病理学实验室的数字化带来的可能性是无限有吸引力的。病理学的一个重要支柱是在显微镜下观察组织样本。虚拟显微镜为用户提供了独立于时间和位置对标本进行数字显微镜检查的能力。为此，显微镜制剂被数字化，因此可以在以后的屏幕上查看和处理，而不考虑位置和/或工作站。这些数字制剂可以存储在数据库中，并与无限数量的用户共享。为了生成样本的数字图像，可以使用配有额外摄像头的模拟显微镜。然而，病理学的发展趋向于使用数字显微镜。根据模型的不同，这些显微镜通常不仅可以产生标本的实时图像，还可以对其进行扫描。数字显微镜不仅可以显示单个视场，还可以扫描整个标本。数字化显微镜载玻片可以称为虚拟载玻片、扫描或全载玻片图像。这些术语描述了完全数字化的显微镜标本。为了产生数字图像，该仪器逐片扫描载玻片上的整个样本。该软件将生成的高分辨率单个图像合并为一个完整的图像。这个过程叫做缝合。在电脑上，用户可以浏览样本，放大并分析。图1：虚拟显微镜为用户提供了独立于时间和位置对标本进行数字显微镜检查的能力。©Precision股份有限公司试样质量至关重要与所有显微镜手术一样，标本的质量在虚拟显微镜中也起着重要作用。样品必须尽可能均匀地切割，因为软件在扫描过程中会自动设置焦点。过大的高度差异可能导致平面跳跃和完成扫描中的模糊区域，并且无法校正。样本也必须在仪器的固定扫描区域内。样本必须均匀染色，以正确表示所有细胞结构。此外，应避免样品出现气穴、重叠和其他污染。在特殊情况下，样本的性质会退隐到背景中。例如，在肿瘤手术过程中，通常会在手术过程中对切除的组织进行切片，即所谓的冷冻切片。然后在显微镜下只观察样品的某些区域。数字样本的质量也取决于所用相机的质量。模拟显微镜上的相机附件通常不能提供高质量，因为这些系统不是为数字化过程设计的。数字显微镜是为这一过程设计的，除了扫描功能外，它还具有实时视图，因此可以在屏幕上实时观察样本。纯幻灯片扫描设备为用户提供了在速度和分辨率之间进行选择的可能性。较高的扫描速度会导致图像质量的损失。然而，由于这些设备是自主操作的，因此也可以通过调整扫描仪的工作时间来调整时间损失，例如在晚上。为了充分利用显微镜扫描，需要合适的图像查看软件。根据图像格式的不同，只有非常专业的程序才能处理病理切片的图像。所谓的查看软件也提供了评估图像的不同可能性。例如，使用不同的注释工具，可以绘制直线和圆，也可以附加书面注释。此外，还可以将人工智能集成到此类程序中。在集成人工智能的帮助下，对某些结构或细胞的自动评估成为可能。理想情况下，可以根据图像来存储注释和评估。可以将查看软件集成到云中。这样一来，扫描不仅可以通过网络服务器与其他用户共享，还可以直接在平台上查看。此外，通常可以提供关于图像的特定信息。在大多数云服务中，图像存储、图像共享和图像查看设施都是可用的。任何终端设备都可以查看扫描结果。不管是大屏幕、智能手机、平板电脑还是笔记本电脑。然而，屏幕的性质对于再现的图像质量是决定性的[1]。表1：拥有数字工作流程可以使病理实验室的工作更快、更高效，并为创新腾出空间。©Precision股份有限公司今天的病理学是手工工作目前，在大多数情况下，需要在病理学实验室进行检查的样本都会带着一张提交单到达，上面会手工注明如何处理。这些信息由工作人员传输到实验室信息系统。在病理学家对组织进行宏观检查后，医疗技术人员准备样品进行进一步检查。这些标本有时需要大量的手工制作、切割、在煤油中固定，并使用各种组织化学和免疫组织学技术进行染色；它们被切割，安装在载玻片上，并用玻璃覆盖。然后将标本分类到文件夹中，并提交给病理学家进行检查。在某些情况下，标本也会被扫描。为此，还必须手动插入样本并进行登记。如果存在质量缺陷，则必须重复该过程。这个工作流程在这里只是粗略地概述，涉及许多手册和小规模的工作步骤，其中有许多错误来源。在向完全数字化病理学实验室发展的另一端，大量切片制剂的自动扫描、诊断的数字提供以及临床数据以及数字报告文本生成即将到来。该系统可以在输入样本注册后对订单进行优先级排序和处理，并处理质量控制。此外，人工智能用于支持组织病理学诊断。此外，该系统可以将分析的图像数据和分子信息集成到工作流程中。与此同时，几个研究项目正在接近实现这一愿景，揭示了这一理论的实际机遇和挑战。图2：有了数字样本，算法就有可能取代昂贵的计数和注释工作。©Precision股份有限公司算法打开了广泛的可能性尽管数字图像有很多优点，但它并不能解决用户的许多问题和要求。然而，数字化为使用算法进行图像分析开辟了广泛的可能性。经典算法可以检测和计数定义明确的结构，如肿瘤细胞。这使得病理学家能够通过具体的测量值进行量化。在这样做的过程中，算法有效地进行并且没有偏差。压力或时间压力以及影响人类的视错觉的影响等因素在这里不会发生。现在市场上有许多产品可以用于不同的分析方法。这些程序可以快速有效地找到预定义的结构，并可重复地对其进行量化。有许多研究描述了算法在不同器官和各种疾病的组织学制备中的应用[3]。通常，对这些算法进行训练，以便专家在组织学切片中标记定义的结构。该算法用一系列类似的部分进行训练，直到它自己识别出标记的结构。市场上常见的程序通常专门针对特定的疾病模式；他们的任务是识别和量化预定义的结构。一个算法只能和它所训练的数据集的质量一样好[4]。所寻求的结构的数量越多，变化越大，评估就越好、越可靠。这就是目前正在世界各地建立的生物库发挥重要作用的地方。这些不仅提供了许多物理样本，而且还提供了许多已经数字化的样本。下一步是专门针对用户的应用需求进行训练的算法。在这里，一系列有趣的产品也在开发[2]。挑战在于将获得的数据集转换成什么格式，以及如何最终将其整合到实验室信息系统和相关部门的系统中。当然，还有实验室人员和工作流程的问题。图3：正确的样品制备是虚拟显微镜的关键。©Precision股份有限公司结论病理学实验室向数字化病理学实验室的转变只能循序渐进。该过程的开始是所有过程的文档化和可视化，必须根据各种参数（如人员、机器和开发程度）以及IT和过程支持级别对其进行分析。由此可以产生有意义的转型规划。其中一部分是虚拟显微镜、满足要求的设备以及支持这项工作的算法。现在有许多公司专门帮助实验室进行这种转变。这是一项非常明智的服务，因为这种转变很复杂，需要时间和金钱，而且还必须在人员方面得到很好的支持才能发挥作用。References[1] Brochhausen C. et al (2015) A virtual microscope for academic medical education: the pate project. Interact J Med Res. 4: e11. [2] Li Z et al. (2021) Deep Learning Methods for Lung Cancer Segmentation in Whole-Slide Histopathology Images – The ACDC@LungHP Challenge 2019. IEEE J Biomed Health Inform 25: 429-440[3] Mun SK et al. Artificial Intelligence for the Future Radiology Diagnostic Service. Front Mol Biosci. 2021 Jan 28 7:614258. DOI: 10.3389/fmolb.2020.614258 [4] Cui, M., Zhang. D.Y. Artificial intelligence and computational pathology. Lab Invest 101, 412-422 (2021). DOI: 10.1038/s41374-020-00514-0 .关于作者Katharina Eser在学习艺术史之前曾在一家日报担任编辑。2021年，她加入PrecisPoint，担任业务创新经理，现在是该公司的自由职业者。来源：Going digital in pathology——Introducing Virtual Microscopy and what questions to askMicroscopy Light Microscopy Lab Automation Image Processing ， 17 May 2023供稿：符 斌，北京中实国金国际实验室能力验证研究有限公司

12月19日，由中国能源报、中国能源经济研究院发起的2022年度“双碳科技创新典型案例”，经综合评审，名单正式公布，共有18个案例获此殊荣。东方电子研发实施的“粤能投”虚拟电厂管理平台位列其中。“双碳科技创新典型案例”主要面向国内能源领域企事业单位、科研院所的低碳零碳负碳技术创新，聚焦清洁能源化利用、新能源、储能、低碳工业流程再造、固废综合利用、绿色建筑节能及生态固碳增汇等领域，以科技创新成果实力护航“碳达峰 碳中和”目标的实现。东方电子研发实施的“粤能投”虚拟电厂管理平台，作为南方电网第一个实用化负荷聚合虚拟电厂和广东首个虚拟电厂商业性运转平台，聚合光伏、储能、充换电站、空调、工商业负荷等各类用户侧可调控负荷资源参与广东省交易中心市场化需求响应市场，盘活用户侧可调控资源，实现多方共赢。此外，中国能源报、中国能源经济研究院还发起2022年度“碳中和绿色品牌影响力共建单位”，经综合评审，名单正式公布，共有15家机构/企业获此殊荣。东方电子实力上榜！能源行业绿色转型、节能降碳，离不开企业的先锋力量。“碳中和绿色品牌影响力共建单位”，是根据近年来在能源领域转型升级、绿色发展、布局优化、技术创新以及社会责任等方面表现突出的企事业单位，通过选树典型企业，借鉴并推广其在“双碳”建设中的先进经验和典型做法，助力“碳达峰、碳中和”。东方电子立足“双碳”目标新发展阶段，以“构建数字化企业，赋能数字化社会”为发展愿景，以精进管理体系为依托，制定双碳产业发展布局，充分发挥贴近用能市场、服务渠道畅通高效等优势，综合应用云、大数据、物联网等新技术，持续做大做强做优综合能源服务相关产业，推动全社会碳减排，为“碳达峰、碳中和”国家战略早日实现做出应有的努力和贡献。

成果名称心脑血管虚拟内窥镜的研发培育单位名称北京师范大学联系人常崇艳联系邮箱changcy@bnu.edu.cn成果成熟度□研发阶段 &radic 原理样机 □通过小试 □通过中试 □可以量产合作方式□技术转让 □技术入股 &radic 合作开发 □其他成果简介：心脑血管可视化研究是针对人体心脑血管的计算机应用技术。通过对数字化的医学影像的智能处理、数据分析、三维建模、数据可视化，虚拟现实，以充分呈现人体血管的形态特征，方便医生洞察医学数据，应用于医学教学、科研、临床，达到对疾病诊断、病灶检测、辅助治疗的作用。心脑血管是人体血管中的最典型的代表，心脑血管疾病是当前人类健康的最重要疾病。结合信息科学与生命科学特点，运用计算机最新科技方法对血管的研究，是近年来该领域的研究热点。该领域的研究进展和技术突破，对临床医学、生命科学、病症统计学及预防学等领域的发展将带来重要的影响。由于心脑血管在人体组织中所占比例低，血管成像灰度不均匀，形态复杂且个体差异性大，细小血管间多存在缠绕和遮挡，使得对心脑血管的可视化成为计算机图形学领域中的重要问题。本项研究针对心脑血管可视化应用领域，主要解决的问题和关键技术包括：1. 从医学影像中血管信息的提取技术；2. 医学体数据中血管的三维可视化实时绘制技术3. 血管数据的三维建模技术、4. 血管的虚拟内窥技术5. 三维血管数据的测量技术6. 异常血管的疾病监测技术本项研究应用计算机图形学和人工智能技术，重点突破在基于医学图像序列的影像数据精细分割、大规模体数据的实时精细绘制、复杂血管模型的建模，针对脑血管的分层三维可视化、血管的虚拟内窥等关键技术瓶颈，改进了现有的可视化关键算法，开发了系列软件平台，形成了&ldquo 四层两库&rdquo 的体系结构。本项研究工作得到了６项国家和北京市的科技计划支持，共发表三大检索论文28篇。该项研究运用信息技术对医学影像的智能处理，更真实的呈现了人体血管的三维形态特征。研究成果可有效的应用于医学教学、科研、临床，其研究意义重大，应用前景广阔。 应用前景：医学影像检查的结论通常来自图像后处理医生提供的图像和报告，如果所获得的图像质量非常高，图像后处理难度非常小，那么诊断结论就相对简单、诊断准确性也将很高。然而由于患者心率、造影剂的注射参数、扫描参数、伪影以及对比强度不佳等客观因素以及图像重建水平等主管因素的影像往往使得医学影像检查的结论存在一定的误差，因此亟待通过应用高性能、高质量的医学影像工作站进一步提高图像重建的准确程度，为伪影的甄别和处理和病变组织的识别和判断奠定基础。在实际工作中，大多数情况下主治医生并不能到影像工作科室去实际完成影像的重建，其诊断还是要依赖于重建医生所提供的图像。重建医生在重建过程中所出现的判断错误，主治医生很难识别，即使有所怀疑，也需要对原始的切片图像进行观察和简单处理以后才能确定。但是，在很多医院，受PACS系统承载能力的限制，不可能把大量的切片图像全都上传到图像服务器，这就给整个诊断过程带来了困难，并将对医学影像工作站的使用造成巨大的负载压力。要解决这样的冲突，就必须增加工作站的数量，然而设备厂商提供的工作站价格十分昂贵，并且一般不为用户提供相应软件开发和的接口个性化服务功能，一定程度影响了工作站的推广和使用。因此具有价格便宜、具有满足用户个性化需要、兼容各类影像数据和工作站、功能完整、重建质量高、操作简单、具有可编程开放接口等特点的医学影像工作站将成为未来的发展方向。知识产权及项目获奖情况：本项目在多项关键技术中，具有自主知识产权的研究成果专利与软著情况，形成6项软件著作权，1项专利6项软件著作权1、 脑血管医学图像分割系统2、 脑血管分割及医学虚拟内窥检查系统3、 基于PSO的统计脑血管分割系统4、 脑血管三维可视化虚拟融合系统5、 心脑血管数据库管理系统6、 三维脑血管模型动态压缩处理1项专利1、 基于球B样条曲线的三维血管模型构造方法10项国家、部委、省、市专项计划支持1、 国家自然科学基金《基于医学图像的数据挖掘技术研究》（60372072）已结题2、 北京自然科学基金重点项目《虚拟环境中脑血管可视化、导航和监测技术》（4081002）已验收3、 首都科技条件平台项目《心脑血管虚拟内窥镜的研发培育》(Z131110000613062) 已验收4、 国家自然科学基金项目《盘B样条和球B样条造型的理论及其应用》(61170170) 在研5、 国家自然科学基金项目《脑血管兴趣区域提取关键技术研究》(61271366) 在研6、 国自然面上基金《基于CTA影像数据的3D冠脉狭窄自动检测及其量化评估研究》(61472042) 在研7、 国自然青基《基于球B样条的Willis环建模、分割及定位关键技术研究》(60803082）已结题8、 国自然青基《基于统计分割的脑血管三维模型重构研究》(61003134) 已结题9、 国家重点实验室项目《交互式实时虚拟内窥镜算法研究》（SYSKF0107 》已结题10、 博士后基金《三维血管的重构技术研究》已结题