近日，西安交通大學(xué)電信學(xué)部計算機科學(xué)與技術(shù)學(xué)院李辰教授團隊發(fā)明了一系列針對不同場景和層次的弱標(biāo)注病理表型識別與量化方法，將病理學(xué)專業(yè)知識轉(zhuǎn)化為計算機模型構(gòu)建方法，實現(xiàn)了在該方向的多項突破性技術(shù)。

團隊面向全視野數(shù)字切片分類，提出了一種基于最小點標(biāo)注的半監(jiān)督多任務(wù)學(xué)習(xí)框架，在節(jié)約95%標(biāo)注時間成本的同時，在肺癌、乳腺癌、腎癌等關(guān)鍵癌癥種類上實現(xiàn)了90%以上的腫瘤區(qū)域和亞型識別準(zhǔn)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(xué)習(xí)框架，在患者級標(biāo)簽的監(jiān)督下實現(xiàn)了從血液涂片圖像到白血病診斷結(jié)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(jiān)督病理圖像表示學(xué)習(xí)框架。在乳腺癌、胃癌等數(shù)據(jù)集上的實驗表明，所提出的框架在保持有競爭力識別結(jié)果的同時，有效降低了深度學(xué)習(xí)模型對標(biāo)注數(shù)據(jù)的需求。這些成果分別發(fā)表在醫(yī)學(xué)影像頂級期刊《醫(yī)學(xué)影像分析》和《IEEE醫(yī)學(xué)影像匯刊》上。