对于许多严重的血液疾病，例如白血病，多发性骨髓瘤和淋巴瘤，骨髓涂片中血细胞的差分计数是诊断金标准性的。 目前，这些形态评估仍由病理学家和其他受过良好训练的实验室人员手动执行，并要求技术人员从执行它们的技术人员那里进行大量的集中精力和精度。 压力，疲劳，分心和训练水平等“人为因素”可以使这些测试容易出错，或者科学家本身称其为“经营者间变异”。 为了提高诊断血液学的准确性和效率，Aetherai开发了显微镜X Hema \ - 一种完整的数字病理系统，该系统使用成像源的USB 3.0彩色显微镜摄像头创建数字图像，然后使用深度学习技术进行处理。

成像源USB显微镜相机为Eetherai显微镜X Hema系统提供图像，该系统使用深度学习来提高骨髓涂片评估的准确性和速度。

###通过深度学习的细胞分类

为了适当训练该系统的CNN，该公司与台湾国家医院合作，开发了世界上第一个用于骨髓涂片的差异AI模型。 该模型在500,000个注释的骨髓样品的综合图像数据集上进行了训练。 显微镜X Hema的嵌入式解决方案包括AI驱动的显微镜控制软件，用于差分计数的AI模型以及用于支持AI推断的专用硬件。 使用标准光学显微镜制作的图像通常包含复杂的背景，这些背景可能会对有效的细胞分析产生负面影响。 20 MP DFK 33ux183显微镜相机的高敏CMOS传感器可提供低噪声图像（高信噪比）。 相机的图像预处理可减少任何残留噪声，以增强图像的边缘和轮廓，突出显示细节并减少图像模糊。 显微镜X Hema的图像算法从图像中提取特征，然后设置参数，例如形状，轮廓，不规则片段，颜色和纹理。 一旦系统对样品中的单元进行了分类并计数单元，工作流就完成了。

使用Eetherai的显微镜X Hema对核骨髓细胞的分化和分类，该X Hema分析了DFK 33ux183显微镜摄像机制作的图像。 图像：Eetherai

通过减轻医疗保健专业人员的负担，** Aetherai **旨在通过“为数字病理学和AI驱动的诊断支持提供解决方案”来提高医疗诊断的质量。 公司创始人乔·耶（Joe Yeh）博士说：“ AI Revolution将意识到数字医疗图像的最终价值，并将医疗保健提升到一个新的水平。”

该软件的用户界面显示了骨髓细胞的预处理图像，并提供了有关细胞类别百分比和数量的报告。 图像：Eetherai

Source: The Imaging Source’s Microscopy Cameras Deliver Images for Digital Pathology