细胞学中的数字病理学和自动化图像分析

数字病理学将玻璃细胞学玻片转换为高分辨率数字图像，这些图像可以在计算机上查看、共享和分析，而自动化图像分析则将定量和机器学习算法应用于这些图像。它们共同支持远程审查、工作量分流和细胞学材料中异常细胞的计算机辅助检测。

Definition

细胞学中的数字病理学和自动化图像分析包括将细胞学玻片数字化为全玻片图像，以及应用计算算法（包括机器学习）来辅助其审查和定量解释。

Scope

本条目涵盖了应用于细胞学的全玻片成像、诊断用途的验证要求以及自动化和深度学习图像分析的作用。重点是方法学；它不认可特定的软件，也不取代专家审查。

Core questions

• 在全玻片成像用于原发性细胞学诊断之前需要哪些验证？
• 细胞学制剂的哪些特征使得数字化比组织学更具挑战性？
• 自动化图像分析如何辅助而非取代细胞学家？

Key concepts

• 全玻片成像 (WSI)
• Z轴堆叠和跨细胞层的聚焦
• 诊断用途验证
• 计算机辅助检测和筛查
• 深度学习和卷积神经网络
• 远程和远程细胞学审查

Mechanisms

玻片扫描仪将细胞学制剂捕获为数字图像；由于细胞学材料通常以三维而非单一组织平面的方式分布，因此可能需要多个焦平面（Z轴堆叠）才能使细胞清晰成像，这相对于组织学增加了图像大小和扫描要求。由此产生的全玻片图像可以远程审查，并作为图像分析算法（包括深度神经网络）的输入，这些算法可以分割细胞、量化特征或标记可疑异常细胞以供人工审查。诊断用途需要将数字审查与玻璃玻片审查进行比较的正式验证。

Clinical relevance

数字细胞学支持远程细胞学、二次会诊、教育和计算机辅助筛查，其算法旨在辅助而非取代细胞学家。本条目描述了这些方法及其验证；在特定实验室中的部署和解释受当地验证和监管要求的约束，并非个性化的临床建议。

Evidence & guidelines

美国病理学家学会发布了关于验证全玻片成像用于诊断目的的指南（Pantanowitz et al., 2013），其对细胞病理学的具体相关性和适应性已单独进行研究（Antonini et al., 2022）。扫描和计算的进步，包括加速和分析全玻片图像的深度学习方法，继续扩大该领域（Rivenson et al., 2022）。

History

远程病理学和静态数字图像早于全玻片扫描仪的开发，后者使得数字化整个玻片成为可能。由于细胞的三维分布，细胞学的采用落后于组织学，但改进的Z轴堆叠和深度学习的兴起使数字细胞学和自动化分析得到了更广泛的研究和应用。

Debates

全玻片成像能在多大程度上支持原发性细胞学诊断？

细胞学的三维细胞分布和聚焦要求使数字化复杂化，因此，以组织学为导向的验证指南是否以及如何适用于原发性细胞学诊断仍在积极讨论中。

Seminal works

• pantanowitz-2013

Frequently asked questions

为什么细胞学玻片的数字化比组织学玻片更难？

细胞学细胞通常分布在多个焦平面上，而不是单一的组织切片中，因此清晰成像可能需要捕获多个焦层（Z轴堆叠），这会增加扫描时间和文件大小。

自动化图像分析会取代细胞学家吗？

目前的应用程序旨在通过标记或量化发现以供人工审查来提供辅助；细胞学家仍负责解释，诊断用途需要正式验证。