面向疾病诊断的医学图像深度计算

讲座内容：近年来，随着计算机储存能力和计算能力的快速增强，新的高通量的图像分析与机器学习算法(如深度学习)被研究与开发，运用图像计算方法分析高度复杂、异质性高的医学数据开始在疾病诊断的中起着关键作用。组织病理图像分析是癌症诊断的“金标准”。基于组织病理图像分析的计算机辅助诊断和预后系统不仅能够避免人的主观因素带来的影响，而且能够为医生提供客观、定量的分析结果。此外，还可以大大降低病理医生的工作量。为了实现这一目标，近年来我们研究与开发了一系列基于深度计算的图像分析方法以及病理组学特征定量地描述肿瘤，比如基于深度学习框架探索面向组织病理图像分析的新方法，包括细胞核、腺体的检测与分割、细胞核异形性自动评分、多种组织类型(比如上皮和间质组织)的自动检测与分割等等。在肿瘤定量化描述方面，运用了基于图描述的空间结构特征、形态和纹理特征等等。此外，为了融合多模态的数据，我们还在探索基于CT图像，MRI图像的肿瘤区域3D自动分割，以及基于放射组学特征的肿瘤定量化分析。报告中我将详细介绍这些工作。