目录
目 录
编者名单
主编简介
内容提要
序 一
序 二
前 言
第一章 数字病理概要
第一节 数字病理学相关术语和图像模式
一、数字病理学
二、远程病理学
三、全数字化病理科
四、计算病理学
五、DS图像模式
第二节 扫描失败率与图像产出量
一、图像产出量
二、扫描通量
三、切片平均扫描时间
四、扫描失败率
五、图像文件格式
第三节 数字病理学总体工作流程
一、切片数字化扫描过程是DP流程的关键环节
二、DPS与HIS、LIS和PACS等信息系统的有效集成是DP流程顺畅运行的关键
第四节 数字病理学质量管理
一、基础设施设备和相关软件要求
二、常规切片质控
三、DPS和DP全流程的验证要求
四、DPS和CDP全流程运行管理
五、QA措施
六、建立顺畅的沟通齐流机制，确保DP流程平稳运行
七、患者隐私保护与医疗安全
第五节 数字病理系统及数字病理流程的规范化验证和培训
一、规范化验证的基本原则
二、比较方法和验证指标
三、验证过程及步骤
第六节 数字病理学在病理教学和培训中的应用
一、医学生的组织学和病理学的形态教学
二、病理住院医师的规范化培训
三、病理从业者的继续教育培训
四、组织形态学和亚专科疾病或特殊项目的自主训练
五、DP方法是重大疾病流行时期日常病理教学工作的重要保证
第七节 全数字化病理科流程中的数字切片存储策略
一、DS图像文件的大小对存储方法和检索策略的影响
二、常用的DS图像的存储方式
三、DS图像的存储策略选择
第二章 全数字化病理科／实验室
第一节 数字化病理初始诊断的可行性
一、DS图像与玻璃切片的PD一致性验证
二、DP工作流程的诊断效能
第二节 国外全数字化病理科构建经验
二、格拉纳达大学医院CDP转换升级的实践［84］
三、新加坡总医院病理科实施CDP转换的经验［90］
四、英国利兹NHS公立教学医院的CDP特色［91］
五、四家病理实验室成功转型为CDP的启示
第三节 传统病理实验室的全数字化病理科转换升级
一、组建CDP项目实施团队，进行项目方案的论证和选择
二、实验室CDP项目的实施和试运行
三、实验室CDP项目试运行后的阶段性总结评估
第三章 远程病理概要
第一节 TP应用及发展历程回顾
一、图像处理技术及远程病理系统研发阶段（1951—1990年）
二、远程病理会诊及IOC的临床应用阶段（1991—2015年）
三、远程病理PD验证及临床应用范围扩大到本地诊断，CDP诞生（2016年至今）
第二节 远程病理系统及其组织结构
一、远程病理系统
二、TPS组织结构
第三节 远程病理流程的质量管理特点
一、基础设施设备要求
二、TPS运行管理
三、建立顺畅的沟通齐流机制，确保医疗安全
四、加强基层医院医务工作者病理知识的培训普及
第四节 基于互联网的大型分布式远程病理系统／平台构建
一、实施运行团队与TPS规划论证
二、网络环境与硬件配置(https://www.daowen.com)
三、远程虚拟病理科／实验室
第四章 数字细胞概要
第一节 数字细胞学数字切片图像应用的局限性
一、高倍（40×）扫描要求和材料的多样性阻碍了细胞学载玻片的大批量扫描
二、数字细胞学的准确评估要求DS图像中所有的细胞都处于同一焦平面的可见状态
三、数字细胞学难以大批量应用的时效性因素
第二节 数字细胞学DS图像的Z堆栈扫描
第三节 数字细胞学的应用
第五章 计算病理概要
第一节 计算病理学的概念及常用术语
一、计算病理学
二、人工智能
三、机器学习
四、深度学习
五、深度神经网络
六、人工神经网络
七、K最近邻算法
八、支持向量机
九、卷积神经网络
十、全卷积神经网络
十一、递归神经网络
十二、生成对抗神经网络
十三、计算机视觉
十四、黑盒及玻璃盒（black box&glass box）
十五、元数据
十六、注释／标注
十七、图像分析
十八、数据增强
十九、地面真实
二十、金标准
二十一、监督学习
二十二、无监督学习
二十三、半监督学习
二十四、受试者操作曲线下面积
二十五、云计算
第二节 计算病理学的技术进步及深度学习算法训练的基本流程
一、计算病理学的技术进步
二、深度学习算法训练的基本流程
第三节 计算病理学的主要应用领域及进展
一、辅助病理诊断
二、图像特征与患者预后的相关性预测
三、发现与临床相关的新特征
四、CPATH在细胞学中的应用
第四节 计算病理学团队及病理医师的作用
一、计算病理学团队的人员构成及其作用
二、以计算病理学为中心的下一代病理诊断模式
第五节 计算病理学临床应用面临的瓶颈和挑战
一、数据资源及其可用性限制
二、硬件及基础设施的限制
三、数据存储与网络安全的担忧
四、CAPDS工具与病理工作流程的兼容性
五、算法过程的标准化、可靠性及QC
六、CPATH临床应用的伦理障碍
第六章 数字毒理病理概要
第一节 数字病理在毒理病理学中的优点
一、提高效率
二、改善准确性和重复性
三、增强数据存储和检索功能
四、提高协作能力
五、人工智能的运用
第二节 数字病理在毒理病理学中的挑战和限制
一、需要专业设备和软件
二、需要技术专业知识
三、数字图像可能存在错误和伪影等问题
四、谨慎验证和标准程序
五、数据隐私和安全问题
第三节 数字病理在毒理病理学中的应用
第四节 数字病理在毒理病理学研究中的未来方向
一、开发新的成像技术
二、结合人工智能和机器学习
三、在临床环境中使用数字病理学
参考文献
专业术语英汉对照