AI阅片系统临床验证重大突破：复旦大学研究团队发布白细胞分类AI与形态学医师对照研究成果
外周血白细胞形态分析在血液疾病及感染性疾病的筛查与辅助诊断中具有关键作用，也是检验医学领域高度依赖经验积累、主观判断较强、重复性工作挑战明显的传统技术方向。传统人工镜检存在耗时费力、易疲劳、结果一致性欠佳等长期困扰，而基于深度学习卷积神经网络（CNN）的血细胞图像高精准识别方法，通过多级多通道卷积核自动提取图像特征，将低阶特征逐步分解升级为高阶特征后进行融合分析，构建细胞类型与多维特征间的对应关联，使CNN网络完成自主学习，显著提升细胞分类性能。这些技术正在为外周血白细胞形态分析带来系统性变革。2026年
人机对决揭晓：15 位检验医师不敌 AI，仅一人突围
形态学检验素来被视为检验医学的核心壁垒，是彰显检验医师专业素养的关键所在。近些年，人工智能在形态学领域突飞猛进，然而其实际临床应用水准究竟距离人类专家还有多远，始终是行业热议的焦点。日前，由复旦大学附属华山医院关明教授领衔，携手吉林大学第一医院、上海瑞金医院、武汉同济医院、广州南方医院及中山一院等五家顶尖三甲医院，共同完成了一项重磅多中心研究。该成果聚焦 AI 阅片机白细胞分类与细胞形态学医师的对比，已发表于顶级期刊《npj Digital Medicine》（影响因子 15.1）。这项研究首次让国产 A
微流控AI血细胞计数系统
本文介绍了以色列 Sight 开发的血细胞计数设备。相关内容可参考流式细胞仪中的鞘流技术解析、基于显微成像的家庭用全血细胞计数微流控系统（附视频）、基层医疗POCT血球解读（第六篇）、手掌型血液分析仪结合微流控与图像检测实现血细胞计数、用于全血细胞计数(CBC)的微流控芯片。图 1图 2如图 2 所示，设备配套的一次性检测组件包括一个微流控芯片、两个用于采样的毛细管以及一个装有试剂的混合瓶。其中，微流控芯片包含两个独立的样本室：血红蛋白室和成像室。图 3如图 3，在样本准备阶段，一滴未稀释的血液（17 μ