SF_T 0182-2024 硅藻检验技术规范 基于人工智能技术的自动化方法

ICS 07.140 CCS C06 SF 中 华 人 民 共 和 国 司 法 行 政 行 业 标 准 SF/T 01822024 硅藻检验技术规范 基于人工智能技术的 自动化方法 Technical specification for diatom testingAutomated based on artificial intelligence technology 2024 - 12 - 30 发布 2025 - 06 - 01 实施 中华人民共和国司法部 发 布 SF/T 01822024 I 目次 前言 . II 1 范围 . 1 2 规范性引用文件 . 1 3 术语和定义 . 1 4 缩略语 . 1 5 方法原理 . 1 6 仪器设备 . 1 7 检验步骤 . 2 参考文献 7 SF/T 01822024 II 前言 本文件按照GB/T 1.12020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专利的责任。 本文件由司法鉴定科学研究院提出。 本文件由司法部信息中心归口。 本文件起草单位司法鉴定科学研究院、上海市公安局、南京医科大学、中国医科大学、山西医科 大学、广州市公安局。 本文件主要起草人黄平、张吉、王亚辉、马开军、陈峰、赵锐、孙俊红、赵建、秦志强、张建华、 杨明真、陈敏。 SF/T 01822024 1 硅藻检验技术规范 基于人工智能技术的自动化方法 1 范围 本文件规定了基于人工智能技术的法医学硅藻检验自动化方法， 包括方法原理、 仪器设备和检验步 骤。 本文件适用于由人工智能模型完成的法医学尸体器官组织、 体液及水样硅藻的定性、 定量及分类检 验。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。 其中， 注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。 GA/T 813 人体组织器官中硅藻硝酸破机法检验 GA/T 1662 法庭科学 硅藻检验技术规范 微波消解-真空抽滤-显微镜法 3 术语和定义 下列术语和定义适用于本文件。 硅藻 diatom 具有硅质细胞壁的水生单细胞藻类。 注 粒径一般为数微米至数百微米。 4 缩略语 下列缩略语适用于本文件。 AUC曲线下面积值（Area Under the Curve） CPU中央处理器（Central Processing Unit） CUDA计算统一设备架构（Compute Unified Device Architecture） DPI每英寸点数（Dots Per Inch） HOG方向梯度直方图（Histogram of Oriented Gradient ） JPG联合图片组（Joint Picture Group） LBP局部二值模式 Local Binary Pattern PNG便携式网络图像（Portable Network Graphics） TIF标签图像文件格式（Tag Image File at） 5 方法原理 通过数字化病理学技术将实体样本底物转换成高分辨率图像数据；应用人工智能算法对数字化图 像中的硅藻区域进行自动化识别和科属分类；根据人工智能算法统计的硅藻数量及科属分类结果并结 合人工确认，完成法医学硅藻的定性、定量及分类检验工作。 注 实体样本底物包括组织、体液及水样涂片以及滤膜等。 6 仪器设备 SF/T 01822024 2 显微扫描或拍照系统 6.1.1 显微扫描或拍照系统可在放大倍率不小于 400 倍的视场下获取整张或局部样本底物的高清图像， 且具备实时自动对焦功能。 6.1.2 所获得的高清图像文件可通过显微图像分析软件或程序进行处理， 如切割、 均一化和标准化等。 6.1.3 处理后的高清图像可以 JPG、TIF 或 PNG 等常规格式保存，图像分辨率应不低于 72 DPI。 数字计算机 6.2.1 数字计算机应不低于以下配置。 a 运行内存 8GB。 b CPU 处理器 1 个主频 2.3GHz、八核心、十六线程、L3 缓存 11MB、动态加速频率 3GHz。 c 显卡 1 个显存容量 11GB、显存位宽为 352bit、显存频率为 14000MHz，且支持 CUDA 运算。 6.2.2 数字计算机宜具备以下配置。 a 运行内存 128GB。 b CPU 处理器 2 个 主频 2.5GHz、 二十四核心、 四十八线程、 L3 缓存 20MB、 动态加速频率 3.4GHz。 c 显卡 2 个显存容量 11GB、显存位宽为 352bit、显存频率为 14000MHz，支持 CUDA 运算。 7 检验步骤 人工智能模型构建 7.1.1 数据库构建 7.1.1.1 基本要求 数据库应包含识别数据集和分类数据集。 其中， 识别数据集是由含有完整或部分硅藻的图像样本和 无硅藻的底物背景图像样本组成的数据集；分类数据集是由含有不同硅藻科属图像样本组成的数据集。 数据库类型分为外部数据库和内部数据库。 7.1.1.2 外部数据库 建立外部数据库的前提是本地实验室所采用的预处理方法，可以有效降低不同数据源之间图像样 本的差异性。 外部数据库主要用于模型的训练和训练过程中的效能评价， 本地实验室仪器设备获取的图 像样本应作为模型在硅藻识别和分类方面的外部评价数据，具体如下 a 外部数据库来源具有多样性，可来自实验室仪器平台、外部实验室、网络数据库及商业数据库 等； b 外部数据库中的图像样本应进行像素大小调整，使图像大小符合人工智能模型输入规格； c 外部数据库中的图像样本应进行像素预处理（如均一化和灰度化等），降低不同数据源所带来 的像素差异性，提高模型的泛化能力。 7.1.1.3 内部数据库 若不采用图像预处理或所使用的图像预处理方法难以有效降低不同数据源之间图像样本的差异性， 本地实验室则应根据自身仪器型号和样本制备方法等条件构建数据库， 用于模型的训练和评价， 具体如 下 a 可使用不同型号仪器、样本制备方法或网络数据库等获取的图像样本用于人工智能模型的预 训练，但不宜使用这些图像样本来评价本地实验室仪器平台模型在硅藻识别和分类方面的真 实场景效能； b 应针对本地实验室仪器平台单独构建数据库，用于评价模型在硅藻识别和分类方面的真实场 景效能； c 若本地实验室更换仪器设备、 更改显微扫描或拍照系统的参数以及硅藻样本制备方法， 则应基 于在用设备和方法重新建立数据库用于模型的训练和评价。原数据库可用于最新模型的预训 练； SF/T 01822024 3 d 获取的图像样本可进行像素大小调整， 使图像大小符合人工智能模型的输入规格， 可选择对图 像样本像素进行预处理（如均一化和灰度化等），用于降低同一数据源中各图像样本之间的像 素差异性，提高模型的泛化能力。 7.1.1.4 数据库图像样本 7.1.1.4.1 在数据库单张图像样本中，目标硅藻区域与实际完整硅藻面积比例应不低于 30。 7