DeepPathAI
أساس متعدد الوسائط لتحليل صور علم الأمراض، والأسئلة والأجوبة التخصصية، وتطبيقات سير العمل.
نموذج تأسيسي لعلم الأمراض
من فهم الصور إلى العمل اليومي في علم الأمراض
يجمع DeepPathAI بين صور علم الأمراض ومعلومات الحالات والمعرفة التخصصية. ويتكامل مع D-PathAI وD-PathPIS لدعم التحليل المتخصص والأسئلة والأجوبة في علم الأمراض والمساعدة في إعداد التقارير، كما يوفر أساسًا للتطوير المشترك مع المستشفيات والشركاء في القطاع.
CPath-Omni CVPR 2025
إطار واحد لأجزاء الصور وصور الشرائح الكاملة
يجمع CPath-Omni بين التصنيف ووصف الصور والأسئلة والأجوبة البصرية وتوجيه النموذج إلى مناطق محددة ضمن إطار بحثي موحد. وتدعم هذه القدرات تطوير تطبيقات مرنة لعلم الأمراض عبر مقاييس الصور المختلفة.
- التمثيلات البصرية
- تعلّم بنية الأنسجة وشكل الخلايا لدعم التصنيف المتخصص واسترجاع الصور وتطوير تطبيقات تحليل الصور.
- مواءمة الصور والنصوص
- ربط صور علم الأمراض بالأوصاف التخصصية، لتوفير أساس للاسترجاع عبر الصور والنصوص وتطوير التطبيقات متعددة الوسائط.
- التفاعل متعدد الوسائط
- الجمع بين الصور وسياق الحالة والتعليمات النصية لدعم الأسئلة والأجوبة حول الصور وتلخيص المعلومات والمساعدة في إعداد التقارير.
PathMMU ECCV 2024
تقييم الفهم بالاستناد إلى خبرة علم الأمراض
يستخدم PathMMU أسئلة مبنية على الصور مع تفسيرات للإجابات، ويراجع اختصاصيو علم الأمراض أسئلة التحقق والاختبار. ويفحص الفهم التخصصي والاستدلال والمتانة تجاه تغيرات الصور، ليكون مرجعًا لتقييم النماذج وتكييفها حسب التخصص.
عرض البحث الأصلي
PathMMU معيار بحثي. ولا تثبت درجاته مستوى الأداء التشخيصي السريري.
D-PathPIS · النموذج ضمن سير العمل
مساعدة في علم الأمراض ضمن سير معالجة الحالات
توظيف معلومات الحالة والتشخيص الأولي في الأسئلة والأجوبة وصياغة مسودات التقارير ومراجعة المحتوى. يراجع اختصاصي علم الأمراض الاقتراحات ويعتمد التقرير النهائي ضمن سير العمل القائم.
- سياق الحالة
- مساعدة الذكاء الاصطناعي
- تأكيد اختصاصي علم الأمراض
DeepPathAI
تُضبط الوظائف حسب التخصص وإصدار البرنامج والمشروع.
للمستشفيات والشركاء في القطاع
التطوير انطلاقًا من احتياج تخصصي محدد
تطوير نموذج متخصص أو دمج الذكاء الاصطناعي في منتج قائم. نعمل مع الشركاء على تكييف النموذج وإدماج المعرفة المحلية وربط سير العمل، مع الاتفاق المشترك على نطاق التقييم والتطبيق.
النشر والتكاملتحديد المهمة
الاتفاق على الاستخدام التخصصي والبيانات المتاحة ونطاق التقييم.
تكييف النموذج
التكييف مع صور التخصص والمعرفة المحلية وقواعد إعداد التقارير.
ربط التطبيقات
الدمج مع إجراءات مراجعة الصور أو إعداد التقارير أو ضبط الجودة المتفق عليها.
التقييم المشترك
المراجعة مع اختصاصيي علم الأمراض وتحديد نطاق النشر.
استكشف مراجعة الشرائح بمساعدة الذكاء الاصطناعي
استعرض واجهة المنتج، ثم اختر حقلًا لمعاينة الصورة ونتائج التحليل بالتفصيل.
D-PathAIأمثلة من المنتججارٍ تحميل صورة المنتج…تعذّر تحميل هذا الحقل الأصلي. اختر حقلاً أو مثال تحليل آخر.
لقطات من واجهة المنتج وحقول صور أصلية. يجب أن يراجع اختصاصي علم الأمراض نتائج التحليل.
فحص خلايا عنق الرحم
راجع النظرة العامة على المنتج وحقول الخلايا الأصلية التي تحمل علامات الخلايا المرشحة بالذكاء الاصطناعي.
المعدة — H&E
راجع الخريطة الحرارية للنسيج والتصنيف الأصلي في النظرة العامة على المنتج.
HER2 IHC
افحص علامات التلوين الغشائي وأعداد الخلايا في المنطقة المحللة ضمن هذا المثال من المنتج.
تختلف التحليلات المدعومة والاستخدامات المقصودة بحسب الوحدة والإصدار والسوق. ويجب أن يراجع النتائج مستخدم مؤهّل.
خطّط للنشر مع مختبرك وفريق تقنية المعلومات
ابدأ بالماسح الضوئي وتنسيقات الصور ونظام معلومات المختبر LIS ومتطلبات التعامل مع البيانات. تعتمد الإعدادات النهائية على المنتج وطريقة النشر المتفق عليهما.
- النشر داخل المؤسسة
- راجع متطلبات الخوادم والتخزين وصلاحيات وصول المستخدمين وتحديثات البرمجيات والمسؤوليات مع فريق تقنية المعلومات لديك.
- النشر السحابي
- أكّد موقع الاستضافة وإمكانية الوصول إلى البيانات ومدد الاحتفاظ بها والنسخ الاحتياطي والترتيبات التعاقدية لمشروعك.
- التكامل مع الماسحات الضوئية ونظام LIS
- شارك طرازات الماسحات وتنسيقات الملفات وواجهات LIS ليتمكن الفريق من تقييم التوافق والعمل المطلوب.