1590年前后，荷兰眼镜制造商Jansen简单的利用一个凹镜和一个凸镜制做成了世界首台显微镜，将人类的视野从宏观转向微观，开启了形态学检验的大门。1650年，荷兰人列文虎克制做的第一台光学显微镜诞生，通过其发明的放大300倍光学显微镜首次成功观察到人类红细胞。此后利用显微镜对微观世界的观察手段和方法一直沿用至今，为细胞形态学、微生物学、寄生虫学学科萌芽与发展奠定了基础。长久以来，形态学检验严重依赖人工操作，但是人工操作检测速度慢、操作繁琐、一致性差，检验结果依赖操作人员工作责任心和检验技术水平。在标本量日益增长的今天，传统人工显微镜检测显然已经无法满足临床的检测需求。
图1：形态学镜检发展史
随着计算机硬件性能、算法算力的全面提升，机器视觉、卷积神经网络技术的快速迭代，人工智能技术在医学领域得到了迅猛发展，细胞形态学镜检是人工智能应用的核心领域，米乐m6网页版登录入口是起步最早、经验及成果最丰富的实践者。爱威原始创新的“机器视觉技术”和“医学显微镜形态学检验自动化”等多项关键共性技术处于国际领先地位，终结了以往形态学检测只能依赖人工完成的历史，填补了多项国际、国内技术空白。陆续实现了尿液、粪便、白带、血液等标本中有形成分自动化、智能化、标准化、规范化检测，是国内外将AI应用于形态学识别领域的典型代表。
图2：AI镜检到底有多智能
深度学习算法、计算能力、大数据是人工智能的三大要素，任何影响以上三要素的因素都可能影响到细胞识别的准确性和稳定性。目前，米乐m6网页版登录入口目前已在6000多家医院实现装机10000余台，年检测标本量超1.1亿人次，为AI的训练提供了海量数据。其次，为了提高算力，米乐m6网页版登录入口搭建多台高性能服务器，可同时进行不同参数下的模型训练，极大的提高了运算速度。米乐m6网页版登录入口4代AI识别系统基于卷积神经网络的深度学习方法，配合智能采图技术，并通过大数据进行模型训练后，构建了尿液、粪便、白带、血液等标本中有形成分识别的深度学习模型，模型采用卷积的方式逐步挖掘图像中的浅层特征、中层特征、深层特征，具有更强鲁棒性和泛化能力，确保检测结果准确、稳定、可靠。目前4代AI识别系统已广泛应用于其推出的尿液、粪便、生殖道分泌物、血液等标本的自动化分析产品及解决方案中，极大的降低了操作老师工作量，提高了工作效率，获得了广泛认可。
图3：爱威镜检家族
AVE-7200系列模块化尿液分析流水线
检测项目
理学：包括颜色、浊度、比重、电导率、渗透压。
干化学：14项，可提供尿微量白蛋白/肌酐（ACR）。
形态学：尿液中白细胞、上皮细胞、管型、结晶细分类及定量计数，对红细胞形态学进行分析，并提供红细胞形状、大小、色度曲线图以及大小-色度散点图，辅助判断血尿来源。
AVE-2100系列模块化血细胞形态学自动化分析流水线
检测项目
白细胞：分为中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞、嗜碱性粒细胞，计算各类细胞百分比，并可对异常白细胞和幼稚粒细胞进行预分类。
红细胞：可分为正常红细胞、大红细胞、小红细胞、球形红细胞、靶形红细胞、口形红细胞等，计算各类细胞占比，并对红细胞形态进行描述，对幼稚红细胞进行预分类。
血小板：可分为正常血小板、大/巨血小板、血小板聚集，并对血小板聚集超出预警值进行提示。
寄生虫：可以对血液寄生虫（疟原虫、斑氏丝虫、克氏锥虫、杜氏利什曼原虫等）感染进行提示。
再分类：经人工审核后，可对异常分类的细胞、未识别的细胞再次分类。
AVE-32系列生殖道分泌物分析仪
检测项目
干化学：可对pH、过氧化氢、乳酸、白细胞酯酶、唾液酸苷酶、β-葡萄糖醛酸苷酶、乙酰氨基葡萄糖苷酶、脯氨酸氨基肽酶、凝固酶、氧化酶、碱性磷酸酶进行检测，辅助判断阴道炎类别。
形态学：包括红细胞、白细胞、上皮细胞、线索细胞、阴道毛滴虫、球菌、杆菌、真菌、
病原微生物，自动报告清洁度，可拓展提供菌群密集度、多样性、优势菌、Nugent 评分、Donders 评分等指标，并可提供滴虫检测动态视频，提高滴虫检出率。
AVE-56系列全自动粪便分析仪
检测项目
理学：自动识别颜色、性状。
形态学：可检测显微镜下粪便标本中的所有有形成分，包括红细胞、白细胞、结晶、虫卵、细菌、真菌、脂肪球、淀粉颗粒等。
化学和免疫学：粪便隐血（支持血红蛋白免疫法、转铁蛋白免疫法、血红蛋白化-免双联法、血红蛋白-转铁蛋白免疫双联法）、轮状病毒、腺病毒、幽门螺旋杆菌、钙卫蛋白、乳铁蛋白等。
从替代人工镜检，到单机再到流水线全程自动化，再升级到AI深度学习和大数据云管理，历经20多年的临床实践应用与积累，作为形态学镜检智造领域代表，米乐m6网页版登录入口的成长史演绎了形态学镜检的发展史。随着人工智能、大数据等先进技术的不断成熟与深度融合，智慧形态学检测将实现对实验室设备及数据等的智能化管理，大大提高检测效率，减轻人力负担，降低运行成本，推进标准化建设。从智能硬件到云计算平台，从数据分析到机器学习算法，都将助力实验室实现更加智能化和高效化，让临床实验室成为诊断决策过程中的“最强大脑”，提高医疗效率，护佑百姓健康。
