机构名称：
¥ 1.0
虽然人工智能 (AI) 在病理学中的作用在过去几年中迅速提升，但其使用例子可以追溯到很多年前。20 世纪 70 年代，研究人员利用经典的计算原理设计了一个人工智能计算平台，称为专家系统。人工智能在医学领域的一些早期例子是建立在专家系统之上的，这些专家系统依赖于手工制作的基于规则的算法。这些算法转化为有前途的系统，如 MYCIN，它可以根据临床数据识别细菌并指导治疗，1 以及病理学专家解释报告系统 (PEIRS)，这是一种自动化化学病理报告解释系统。2 专家系统的手工规则在设计过程中需要领域知识（即个人或团体在某一领域的专业知识），并且在需要解释感官信息（如图像）的任务中面临重大挑战。在 20 世纪 90 年代，细胞病理学和血液病理学处于解决图像处理问题的前沿。这些后来的系统是基于特征工程原理设计的，利用领域知识构建算法，从原始数据中提取信息特征。3 PAPNET 系统、AutoPap 300 QC 系统以及后来的 Thin-Prep 成像系统是细胞形态图像分析系统，在此期间获得了美国食品药品管理局 (FDA) 的临床使用批准。4 – 6 PAPNET 率先使用人工神经网络（一种机器学习 (ML) 形式）来补充算法设计。ML 是计算领域的一项重大进步，它是一套技术，用于
病理学中的人工智能：简单实用的指南
主要关键词
相关文件推荐
