傳統細胞學檢測的挑戰

細胞學檢測（Cytology）是癌癥早篩的重要方法，例如：

其優勢包括：

但傳統細胞學存在一個關鍵問題：

高度依賴人工顯微鏡觀察。

一張細胞切片可能包含：

1萬 ~ 100萬個細胞。

醫生需要逐個觀察細胞形態，包括：

因此診斷結果容易受到：

等因素影響，導致診斷準確性存在波動。

為解決上述問題，研究團隊開發了一種全新的成像系統：

Whole-slide Edge Tomography（整片邊緣計算斷層成像）。

該系統通過高速光學掃描構建完整的三維細胞圖像。

核心組成

系統包括：

掃描過程中：

最終生成三維細胞結構數據。

系統性能

關鍵指標包括：

這些數據能夠清晰呈現：

傳統二維顯微鏡無法完整捕獲這些信息。

該研究還提出一個創新概念：CMD（Cluster of Morphological Differentiation）

即：形態學分群分析

類似于流式細胞術，但使用的是：

細胞形態特征

而不是熒光標記。

系統可以：

例如：

AI可以發現

HPV陽性患者中異常細胞明顯增加。

這意味著：

未來細胞學診斷可能不再依賴單個細胞判斷，

而是基于：

整個細胞群體結構。

作為國產光譜儀器的重要研發企業，

奧譜天成長期致力于：

奧譜天成自主研發的顯微高光譜

在農業、生態、食品安全等領域，

高光譜成像同樣能夠實現：

隨著人工智能與光學成像的深度融合，

未來光譜技術將在：

等領域發揮越來越重要的作用。

奧譜天成也將持續推進國產光譜設備的發展，

為科研與產業提供優良的光學成像解決方案。

免責聲明

本文內容基于公開發表的科研論文進行技術解讀，僅用于科普與學術交流，不構成醫療建議或診斷依據。

論文來源：Nature (2026) Clinical-grade autonomous cytopathology through whole-slide edge tomography.