DHC研究院醫學圖像AI技術部承擔了多項國家癌症中心的科研合作項目，涉及乳腺癌冰凍病理智能診斷、放療靶區及危及器官智能勾畫、胸部CT肺結節識別篩查等方向，在圖像處理、機器學習、神經網絡等方面有較豐富的工作經驗和技術積累。
為滿足臨床應用需求，探索以特定指標來篩選容易識別錯誤的切片供人工複閱。需人工審閱的切片數量佔總數的25%左右，其餘切片的腫瘤識別正確率可達100%。
參考病理醫生的閱片過程進行模型創新，解決原有技術框架噪音偏高、對於直徑較小病灶識別結果差的問題。
基於上述算法的冰凍病理圖像智能識別系統已開發完成並在中國醫學科學院腫瘤醫院部署上線，實現了數字病理切片傳輸、腫瘤轉移灶智能識別、提示人工閱片及提交審核等功能。
基於上萬張只給出最終診斷結果的數字切片，無需醫生標註腫瘤區域，訓練好的AI模型將能夠自動識別出切片中的腫瘤區域。
Clinical-grade computational pathology using weakly supervised deep learning on whole slide images., Nat. Med., 25, 1301-1309.
使用活檢組織的數碼化切片作為原始輸入數據訓練得到的卷積神經網絡模型，能夠對多種不同的基因突變進行預測，基因型信息已被證實可以從組織病理學結構模式中採集提取。
Classification and mutation prediction from non–small cell lung cancer histopathology images using deep learning. Nat Med. 2018;24:1559-67.
我公司與飛利浦公司深度合作，以Philips Ultra Fast Scanner高通量亮場掃描儀產品滿足當前組織病理學的需求，在病理數碼化領域，為用戶搭建高效、安全、可靠的數字病理整體解決方案。
TOP