文章对TensorFolw人工智能影像诊断平台的工作原理进行了解析，希望这篇文章能够帮助你更好地理解 Tensorflow。

使用人工智能来辅助病理医生对样本进行诊断，不仅能够大幅度提高医师的诊断效率，而且可以减少漏诊，提高诊断准确率。

数字化的病理影像能, k 3 d v i够观察到M | O (组织细胞形- F Q U /态，在最高数字扫描时，文件尺寸达到GB量级，需要利用人工智能和系统工程学的技术去突破这些困难。

在这篇文H n ~ & :章当中，我将会从人工智能系W u e * M ] 4统的构建方法角度来入手，举例消化道病理影2 l w D + + J i响辅助系7 S V *统研发过程中的技术细节。

当然，这是相对陌生的医疗科技领域知识，为了读者能更快的理解和吸收，全篇也会围绕产品经理的角度去解。

一、什么是病理？

病理就是通过分析病人的组织，细胞和* R t r体液样本来诊断疾病。

那么，病理对于临床医生提供进一步治疗策略的金指标。

这里有个容易混淆的是AI医学影像，并不是所有都是从CTj ] f ] i A N &、X光、B超等分析得出。就拿胃癌筛查来说，它的病理影像通q w v .过扫描仪扫描组织放大形成大概1.t _ / & :4GB影像来进行分析判断的。

不同病种的病理来源

病理影像都是与众不同r = [ ! = { (的，这也是技术上的挑战。

那么在进行病理判断之前，我们需要建立一套训练模型，通过医生标注的图像进行增强训练以及数据处理。

二、TENSORFOLW工作原理

我们讲解TensorFolw训练模型时，我们要了解整个的深度学习的g R w - 流程。

简易工作流程

数据s ; ? 4 g Z r +源一般来自医院的PACS、RIS系统等，形成数据队列后进行数据增强图像方向的鲁棒性。

另外，我们要注意扫描仪的倍数，会造成在不同样的倍数情况下图像的鲁棒性。

然后利用TensorBoard来进行模型监控，TensorBoard是一个可视化` i f ! 1 T ; Q工具，能够有效地展示Ten( a Osorflow在运行过程中的计算图、各种指标随着时间的变化趋势以及训练中使用到的数据信息。

再通过TensorFolw导出（病理）模型交给生产环境推理框架（TensorE ; 9 q 7 V X BFo7 Q u ( ; ` xlw Serving）进行自动处0 V B ! M理。

那tensorfolw serving是怎么工作的呢？

Tensorserving工作流程a V %

tensorfolw serving把病理切片分成坐标标记的小块切分之后0 9 R k把节点让一个map每个输入分片会让一个map任务来处理，默认情况下，以HDFS的一个块的大小（默认为64M）为一个分片，当然我们也可以设置块的大小。

map输出的结果会暂且放在一个环形内存缓冲区中（该缓冲区的大小默认为100M，a K , 2由io.sort.mb属性控制），9 J U M q 9 ` B当该缓冲区快要溢出时（默认为缓冲区大小的80%，由io.sort.spiF j 7 - R rll. 2 f h

Rolia，微信公众号：pmsummit，人人都是产品经理专栏作家。前海康博( & F 4 J . G s s士联合创始人兼产品总监，涉及智慧医疗领域需求产品化5年，致力于智3 V E Z ^慧医疗领域产品体验设计以及新商业模式研究。

本文, a G G H K {原创发布于人人都是产品经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议