西安交大科研人員在計算病理表型識別研究取得重要進展

近日，西安交通大學電信學部計算機科學與技術學院李辰教授團隊發明了一系列針對不同場景和層次的弱標注病理表型識別與量化方法，將病理學專業知識轉化為計算機模型構建方法，實現了在該方向的多項突破性技術。

團隊面向全視野數字切片分類，提出了一種基于最小點標注的半監督多任務學習框架，在節約95%標注時間成本的同時，在肺癌、乳腺癌、腎癌等關鍵癌癥種類上實現了90%以上的腫瘤區域和亞型識別準確率。團隊面向顯微鏡下圖像分類，針對兒童白血病分層分類的特定場景，提出了信息瓶頸增強的分層多實例學習框架，在患者級標簽的監督下實現了從血液涂片圖像到白血病診斷結果的映射。團隊面向病理組織分割與分類，提出了一種基于多層級對比的無監督病理圖像表示學習框架。在乳腺癌、胃癌等數據集上的實驗表明，所提出的框架在保持有競爭力識別結果的同時，有效降低了深度學習模型對標注數據的需求。這些成果分別發表在醫學影像頂級期刊《醫學影像分析》和《IEEE醫學影像匯刊》上。