- 17 高校采购信息
- 36 科技成果项目
- 6 创新创业项目
- 0 高校项目需求
致力于构建AI驱动的宫颈癌筛查全流程应用生态
本公司主要产品-多模态宫颈癌智能辅助筛查系统，利用人工智能和图像处理技术实现宫颈液基细胞全切片智能解析和细胞DNA定量分析，应用自然语言处理技术对细胞学TBS报告、细胞DNA定量分析报告以及电子病历报告进行知识挖掘。
一、项目进展
创意计划阶段
二、负责人及成员
| 姓名 | 学院/所学专业 | 入学/毕业时间 |
| 祝新宇 | 软件工程 | 2019.9 / 2023.6 |
| 杨志鹏 | 软件工程 | 2019.9 / 2023.6 |
| 孙宇 | 软件工程 | 2019.9 / 2023.6 |
| 吕焓 | 国际经济与贸易 | 2019.9 / 2023.6 |
| 朱莹婧 | 会计学 | 2019.9 / 2023.6 |
| 唐昆铭 | 软件工程 | 2018.9 / 2022.6 |
| 刘波 | 软件工程 | 2018.9 / 2022.6 |
| 贺雨欣 | 软件工程 | 2018.9 / 2022.6 |
| 束童 | 软件工程 | 2018.9 / 2022.6 |
| 孙东东 | 软件工程 | 2018.9 / 2022.6 |
| 黄薇 | 软件工程 | 2018.9 / 2022.6 |
三、指导教师
| 姓名 | 学院/所学专业 | 职务/职称 | 研究方向 |
| 史骏 | 软件学院 | 副教授 | 机器学习与智慧医疗 |
四、项目简介
本公司主要产品-多模态宫颈癌智能辅助筛查系统，利用人工智能和图像处理技术实现宫颈液基细胞全切片智能解析和细胞DNA定量分析，应用自然语言处理技术对细胞学TBS报告、细胞DNA定量分析报告以及电子病历报告进行知识挖掘，形成宫颈癌细胞学知识图谱辅助医生决策和病理科室质控，建立多模态宫颈癌智能辅助筛查系统及其辅助诊断模型，构建AI驱动的宫颈癌筛查全流程应用生态，力争减轻筛查过程中病理医生的工作强度，最大限度地提高宫颈癌筛查的质量和效率。
本公司主要出售两种产品：（1）宫颈癌数字病理云平台：用户批量上传宫颈液基细胞全切片图像至远程，云端将自动进行智能分析，本系统算法软件已在远端服务器进行部署搭建，适应了减轻病理医生阅片筛查工作强度的需求。（2）智能显微镜及其AI组件：系统实时读取显微镜下视野，实时出具分析结果，团队研发的算法已通过嵌入式开发实现了软硬件一体化服务，能够适配多种品牌的显微镜。由于宫颈癌数字病理云平台需要经过价格昂贵的扫描仪制作数字化全切片的繁琐制作过程，成本较高，该产品形式避免了过程繁琐的数字化全切片制作过程，同时成本较低，主要针对社区、乡村等基层医疗机构，有利于提高宫颈癌早筛的覆盖率。
| 成果类别 | 成果名称 | 相关团队成员 | 相关指导老师 |
| 发明专利 | 基于低秩嵌入非负矩阵分解的病理图像颜色标准化的方法 | 饶诗语 | 史骏 |
| 发明专利 | 一种基于三元注意力和尺度关联融合的宫颈液基细胞分类方法 | 黄薇、唐昆铭 | 史骏 |
| 发明专利 | 一种基于图卷积神经网络的宫颈细胞图像分类方法 | 王若宇、李俊、代杰 | 史骏 |
| 发明专利 | 基于双注意力机制和多尺度特征融合的宫颈细胞分类方法 | 唐昆铭、贺雨欣、祝新宇、孙宇 | 史骏 |
| 发明专利 | 基于上下文建模的宫颈细胞病理全切片分类方法 | 刘波、唐昆铭、束童、祝新宇 | 史骏 |
| 发明专利 | 融合全局和局部信息的弱监督宫颈细胞图像分析方法 | 唐昆铭、贺雨欣、祝新宇、孙宇 | 史骏 |
| 发明专利 | 空间、通道和尺度注意力融合学习的宫颈细胞分类方法 | 黄薇、唐昆铭 | 史骏 |
| 发明专利 | 基于视觉转换器和图卷积网络的宫颈液基细胞图像分类方法 | 唐昆铭、祝新宇、孙宇 | 史骏 |
| 发明专利 | 基于转换器的肺癌组织病理全切片EGFR状态预测方法 | 祝新宇、束童、唐昆铭、孙宇、杨志鹏 | 史骏 |
| 发明专利 | 基于弱监督学习和转换器的肺癌组织病理全切片分类方法 | 祝新宇、贺雨欣、刘波、杨志鹏 | 史骏 |
| 软件著作权 | 宫颈细胞智能筛查分析系统V1.0 | 李俊、代杰、王若宇 | 史骏 |
| 软件著作权 | 病理图像检索系统V1.0 | 李俊、王若宇、孙东东 | 史骏 |
| 软件著作权 | 智能病理辅助诊断系统V1.0 | 王若宇、李俊、孙东东 | 史骏 |
| 软件著作权 | 胃癌组织病理辅助诊断系统V1.0 | 李俊、孙东东、贺雨欣、束童、黄薇 | 史骏 |
| 软件著作权 | 宫颈液基细胞学辅助分析系统V1.0 | 李俊、黄薇、束童、黄薇、吴坤 | 史骏 |
| 软件著作权 | 数字病理教学平台系统 | 贺雨欣、刘波、杨志鹏 | 史骏 |
| 论文专著 | 《Global-local attention network for weakly supervised cervical cytology ROI analysis》 | 贺雨欣、吴坤 | 史骏 |
| 论文专著 | 《Graph Convolutional Networks for Cervical Cell Classification》 | 王若宇 | 史骏 |
| 论文专著 | 《Cervical Cell Classification with Graph Convolutional Network》 | 王若宇 | 史骏 |
带动就业：根据项目研发进程，公司面向各高校及社会进行人才招聘，直接带动人才就业。同时，本项目产品研发惠及病理行业数字化和智能化的发展，推动数字病理云平台和智能显微镜信息处理的能力，提升人工智能在医疗领域的临床应用效率，间接促进病理行业、计算机软硬件和“AI+医疗”行业的就业。
教育示范：团队成员均为在读本科生，立足创新创业教育，在项目期间增强了自主创新、科研探索、勤于实践和团队合作的意识与能力。通过项目成长过程，已有多位团队已毕业成员保研至清华大学、浙江大学、南京大学、英国华威大学等国内外顶尖院校以及阿里巴巴、字节跳动等工业界一线企业深造与就业，探索出科研驱动本科生个人发展的新模式。公司成立后可为相关专业人员提供实习岗位，依托三甲医院病理科和顶尖数字病理企业的实践平台，联合培养医工交叉应用型人才，实现专创融合。此外，本项目受到学校大力支持，成功入驻合肥工业大学创新创业@大数据中心并成为重点示范项目，同时团队为在校学生分享项目发展历程和开发经验，传递创新创业精神，带动更多团队参与创新创业实践，起到引领示范作用。
在国家大力推动“两癌”筛查的政策支持与宫颈癌筛查需求日益增大的背景下，本项目旨在建立多模态宫颈癌智能辅助筛查系统及其辅助诊断模型，构建AI驱动的宫颈癌筛查全流程应用生态，力争减轻筛查过程中病理医生的工作强度，最大限度地提高宫颈癌筛查的质量和效率，并有望解决我国医疗资源矛盾，覆盖社区和乡村等基层医疗机构。
本项目团队拥有多项原创核心技术，与中国科学技术大学附属第一医院等多家三甲医院病理科、国际领先的数字病理服务厂商麦克奥迪(Motic)保持长期稳定的合作关系，多模态信息融合与软硬件一体化的技术优势，使得本产品在仍处于起步摸索阶段的计算机辅助诊断市场中极具市场竞争力，产品有望服务于各级医疗与科研机构，应用前景广阔。