Person Doing Blood Test

SolVision成功案例

生技医疗业

细胞病变辨识及分类解决方案

AI辅助细胞特征辨识

细胞病变重要依据：细胞型态变化

在进行细胞病变检验时，透过活体组织切片或液态切片的方式取得检体，检体里可能包含肿瘤脱落的细胞，或与肿瘤相关的DNA。医生以细胞的特征与型态判断为癌细胞或正常细胞，并以细胞病变的程度作为后续治疗计划规划以及预后判断的参考。

AI enabled cancer cell detection

切片影像特征多样，细胞病变评断标准不一

医学实务上透过细胞特征的分析，可区分癌细胞及正常细胞并针对癌细胞进行分类。然而，切片显微影像中细胞的外观不固定，病变发生的位置、型态也十分随机，导致每位医师对于癌细胞的判断及圈选标准不尽一致，更无法透过传统光学检测以撰写逻辑方式判断癌细胞的型态。

资料扩增结合AI深度学习技术，准确判断细胞病变

运用SolVision AI影像平台的分类工具，使AI模型深度学习正常细胞特征及癌细胞的病变特征。辅以资料扩增技术仿真细胞型态的多变性及多样性并执行强化训练，增加AI模型执行判断的稳定性。训练完成的AI模型可辨识细胞病变的特征并予以分类，进而判断患者病情的状况。

细胞病变影像检验案例

正常细胞

Cell lesion imaging test case

病变中期

相关文章

  • LED PCBA瑕疵检测解决方案

    PCB【AI瑕疵检测】LED中PCBA的良率难题：组件既多且杂，瑕疵检测大不易！运用SolVision AI影像平台技术，在影像样本中定位并标注铝基板上的刮痕、脏污等异常及瑕疵情形，透过AI深度学习，即可自动且实时地检出并定位铝基板上的各式瑕疵，大幅提升产线生产效率。

  • AI检测螺丝纹面瑕疵

    有螺纹的金属套件，容易因搬运造成工件碰撞受伤，或在加工过程中留下刀痕，即使搭配强光与显微设备，以人眼检测不易，容易发生误检与漏检。使用SolVisionl非监督式检测工具，可学习刀痕与碰撞瑕疵的特征，在AI训练完成后便可轻易检测出人眼不易辨识的瑕疵，挑出瑕疵对象，让出货质量更好。

  • 球柵阵列封装假焊瑕疵检测解决方案

    运用SolVision AI影像平台的Instance 实例切割技术，将X光影像中锡球重迭的假焊瑕疵予以标注并藉以执行AI模型的深度学习。经训练后的AI即可在具背景噪声、无明显影像边缘的条件下，将假焊瑕疵精准检出。
  • high quality Galvanized steel pipe or Aluminum and chrome stainless pipes in stack waiting for shipment in warehouse

    META-aivi 智能快速计数

    自行车可作为休闲运动之用，亦具备中长距离的移动工具，是现代人不可或缺的出行工具。一部品质完美的自行车需要坚固的车架，而完整的车架则是由多个钢管组成，经过人工筛选出适当尺寸的车架后，进行管料裁切、焊接、打磨、烤漆等程序，方可制成坚实的自行车。