ICS35.240 CCSL70 团体标准 人工智能芯片应用面向病理图像分析辅助 诊断系统的技术要求 Applicationofartificialintelligencechip-Technicalrequirementstotheauxiliary diagnosticsystemofpathologicalimageanalysis 2021-04-26发布 2021-05-26实施 中国电子工业标准化技术协会发布T/CESA1149—2021 全国团体标准信息平台 T/CESA1149—2021 I 版权保护文件 版权所有归属于该标准的发布机构，除非有其他规定，否则未经许可，此发行物及其章节不得以其 他形式或任何手段进行复制、再版或使用，包括电子版，影印件，或发布在互联网及内部网络等。使用 许可可于发布机构获取。 全国团体标准信息平台 T/CESA1149—2021 II目  次 前言...................................................................................................................................................................III 1范围...................................................................................................................................................................1 2规范性引用文件...............................................................................................................................................1 3术语和定义.......................................................................................................................................................1 4系统技术架构...................................................................................................................................................3 5功能要求...........................................................................................................................................................3 6推理测试指标...................................................................................................................................................4 参考文献...............................................................................................................................................................5 全国团体标准信息平台 T/CESA1149—2021 III前言 本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起 草。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别这些专利的责任。 本文件由中国科学院计算技术研究所提出。 本文件由中国电子工业标准化技术协会归口。 本文件起草单位：中国科学院计算技术研究所、中南大学湘雅医院、中科寒武纪科技股份有限公司。 本文件主要起草人：刘宏、王向东、王宽松、李威、钱跃良、胡晨希、恽超、刘俊英、刘瑞洁、商 利。 全国团体标准信息平台 T/CESA1149—2021 1人工智能芯片应用面向病理图像分析辅助诊断系统的技术要求 1范围 本文件规定了在智能芯片上进行病理图像分析辅助诊断的系统技术架构、功能要求和测试方法等内 容。 本文件适用于在智能芯片上进行病理图像分析辅助诊断系统的部署、检验及应用。 2规范性引用文件 本文件没有规范性引用文件。 3术语和定义 下列术语和定义适用于本文件。 3.1 机器学习machinelearning 功能单元通过获取新知识或技能，或通过整理已有的知识或技能来改进其性能的过程。 [来源：GB/T5271.31-2006,术语和定义31.01.02] 3.2 病理切片histopathologicalslide 一种染色后的组织切片，由病理医生在高倍显微镜下观察病理切片进行病理诊断。 3.3 病理全视野切片图像histopathologicalWhole-SlideImages;WSI 用切片扫描仪将病理切片扫描制作成全视野数字化切片。 3.4 多层金字塔结构multi-layeredpyramidstructure 一种常用的数字化病理切片存储结构，一般采用多层金字塔结构存储不同分辨率下的病理图像，具 有5至9层不等。 全国团体标准信息平台 T/CESA1149—2021 23.5 小图片patch 一种从病理图像中切分出来的小图片。 注：用于解决病理切片图像WSI尺寸过大无法直接进行训练和测试的问题。 3.6 癌区域tumorregion 指病理切片中包含恶性肿瘤细胞的局部区域。 3.7 病理分析结果的大图拼接wholeslidesplicingbasedonpathologicalanalysisresult 将小图分析结果进行拼接，得到全视野大图上的病理分析结果的过程、 注：用于结果的展示和后续判别分析。 3.8 病理图像分析辅助诊断auxiliarydiagnosisofpathologicalimageanalysis 利用图像分析和机器学习技术对病理图像进行处理得到病理辅助诊断结果的过程。 3.9 病理切片图像癌区域检测cancerregiondetectioninpathologicalimage 在病理图像上进行癌区域位置检测和定位的过程。 3.10 病理切片图像癌区域分割cancerregionsegmentationinpathologicalimage 在病理切片图像上对癌区域进行像素级分割的过程。 3.11 病理切片图像癌变分类cancerclassificationofpathologicalimage 全国团体标准信息平台 T/CESA1149—2021 3基于癌区域检测和癌区域分割步骤，进一步对病理切片图像进行癌变判别。 4系统技术架构 4.1系统技术架构 智能芯片病理图像分析辅助诊断系统技术架构见图1： 病理图像分析模块 病理图像 预处理模块病理图像癌区域检测模块 病理图像癌区域分割模块病理图像 癌变判别模块 图1智能芯片病理图像分析辅助诊断系统框架 智能芯片病理图像分析系统包括但不限于以下模块： 1）病理图像预处理模块：对病理图像进行读取，格式转化，patch（小图片）切分，颜色归一化 等处理。 2）病理图像癌区域检测模块：对病理图像中出现的癌区域进行位置检测。 3）病理图像癌区域分割模块：对病理图像中出现的癌区域进行像素级分类和癌区域分割。 4）病理图像癌变判别模块：对病理图像是否有癌变进行判别。 4.2硬件及模型要求 智能芯片（卡）：指以芯片卡形态进行使用的人工智能芯片，如GPU（GraphicsProcessing Unit）、FPGA（Field-ProgrammableGateArray）以及ASIC（ApplicationSpecificIntegrated Circuits）等人工智能芯片（卡），可通过PCIE（PeripheralComponentInterfaceExpress） 等接口与测试主机连接。 控制主机处理器架构：X86架构、ARM架构、RICS架构、MIPS等。 支持主流的机器学习框架：TensorFlow、Caffe、Pytorch、Keras等。 模型精度：FP32、FP16、INT8以及混合精度等。 5功能要求 5.1病理图像预处理功能要求 全国团体标准信息平台 T/CESA1149—2021 4病理图像分析系统对病理图像进行预处理，以得到适合深度学习模型处理的数据，包括但不限 于以下步骤： 1）读取输入的病理图像； 2）根据需要，可以转化成国际上通用的多层金字塔结构图像tif格式； 3）根据深度网络推理模型的要求，提取其中某一层分辨率的病理图像，比如40X，20X，10X 等； 4）根据模型需要，可对病理图像WSI进行patch的切分和提取，并记录patch在大图上的位置 信息； 5）根据模型需要，可对patch进行颜色归一化。 5.2智能芯