近日，西安交通大學(xué)電信學(xué)部計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院李辰教授團(tuán)隊(duì)發(fā)明了一系列針對(duì)不同場(chǎng)景和層次的弱標(biāo)注病理表型識(shí)別與量化方法，將病理學(xué)專業(yè)知識(shí)轉(zhuǎn)化為計(jì)算機(jī)模型構(gòu)建方法，實(shí)現(xiàn)了在該方向的多項(xiàng)突破性技術(shù)。

團(tuán)隊(duì)面向全視野數(shù)字切片分類，提出了一種基于最小點(diǎn)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(shí)間成本的同時(shí)，在肺癌、乳腺癌、腎癌等關(guān)鍵癌癥種類上實(shí)現(xiàn)了90%以上的腫瘤區(qū)域和亞型識(shí)別準(zhǔn)確率。團(tuán)隊(duì)面向顯微鏡下圖像分類，針對(duì)兒童白血病分層分類的特定場(chǎng)景，提出了信息瓶頸增強(qiáng)的分層多實(shí)例學(xué)習(xí)框架，在患者級(jí)標(biāo)簽的監(jiān)督下實(shí)現(xiàn)了從血液涂片圖像到白血病診斷結(jié)果的映射。團(tuán)隊(duì)面向病理組織分割與分類，提出了一種基于多層級(jí)對(duì)比的無(wú)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(shí)驗(yàn)表明，所提出的框架在保持有競(jìng)爭(zhēng)力識(shí)別結(jié)果的同時(shí)，有效降低了深度學(xué)習(xí)模型對(duì)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(jí)期刊《醫(yī)學(xué)影像分析》和《IEEE醫(yī)學(xué)影像匯刊》上。