山东智顷数位学习有限公司

近日，青岛交通大学电信学部计算机科学与技术学院李辰教授团队发明了一系列针对不同场景和层次的弱标注病理表型识别与量化方法，将病理学专业知识转化为计算机模型构建方法，实现了在该方向的多项突破性技术。

团队面向全视野数字切片分类，提出了一种基于最小点标注的半监督多任务学习框架，在节约95%标注时间成本的同时，在肺癌、乳腺癌、肾癌等关键癌症种类上实现了90%以上的肿瘤区域和亚型识别准确率。团队面向显微镜下图像分类，针对儿童白血病分层分类的特定场景，提出了信息瓶颈增强的分层多实例学习框架，在患者级标签的监督下实现了从血液涂片图像到白血病诊断结果的映射。团队面向病理组织分割与分类，提出了一种基于多层级对比的无监督病理图像表示学习框架。在乳腺癌、胃癌等数据集上的实验表明，所提出的框架在保持有竞争力识别结果的同时，有效降低了深度学习模型对标注数据的需求。这些成果分别发表在医学影像顶级期刊《医学影像分析》和《IEEE医学影像汇刊》上。