深度学习在数字病理中的应用

临床上,病理切片是癌症诊断的金标准。病理医生通过对病理切片进行镜检,完成病理诊断和预后评估,但是这个过程通常费时费力。在病理切片的数字化的背景下,人工智能技术走进病理领域,并推动病理分析逐渐从定性分析向定量分析转变,这一改变使病理诊断更加准确客观。尤其是以深度学习为代表的人工智能技术在病理分析中取得令人瞩目的成果,不但使病理诊断更加智能化,而且使诊断结果更加精准和客观。阐述深度学习的基本概念及其在数字病理切片分析中的应用,简要概述深度学习在细胞和组织的检测和分割、组织层面上癌症的分类和分级的应用,以及其他一些应用,最后指出目前数字病理切片分析中存在的问题并对未来的发展方向提出展望。

人工智能时代的病理组学

在人工智能时代,计算机辅助的病理诊断为病理学提供了新的发展空间,病理学的研究不再局限于医师人工分析病理切片。在人工智能的辅助下,计算机不但可以实现定量化病理诊断,还可完成疾病预后等病理学的相关研究。该文通过总结近10年来人工智能在病理学中的研究成果,提出病理组学的概念。病理组学的研究内容包括基于人工智能将病理图像转化为高保真度、高通量的可挖掘的数据,并用于定量化病理诊断和疾病预后,最后自动生成病理诊断报告。在人工智能技术的支撑下,病理组学的研究正向着更加自动化更加精准的方向发展,这也有益于充分利用现有医疗资源、节省研究成本、推动医疗发展。

精准医疗时代人工智能在医学图像中的应用

目前,人工智能赋能医疗领域的场景主要表现在:虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究报告等模块,其中,医学影像无疑是当前最热门和有所突破的应用场景.基于人工智能技术实现以医学图像为介质的精准医疗的研究有着不可估量的研究意义.本文将以医学图像分析为切入点,阐述基于人工智能实现对包含医学影像和病理切片在内的多种医学图像进行深入信息挖掘和疾病诊断的精准医疗研究,并提出对未来研究方向的展望.

面向精准医疗的人工智能在病理图像中的应用

精准医疗旨在综合多种医疗大数据,为病人量身设计出最佳治疗方案,以达到治疗效果最大化和副作用最小化。人工智能算法以其强大的特征提取能力,在计算机视觉领域表现出显著的优越性。将人工智能应用于医学场景中,特别是病理切片图像分析中,极大地促进了计算机辅助诊断的发展,为实现精准医疗提供了可能与生机。

病理人工智能的现状和展望

全切片数字化图像（whole slide images,WSI）[1]的出现不但使病理切片的获取更加方便,更重要的是改变了传统的阅片方式.随着数字病理切片在病理诊断中的应用,大量定量分析算法应运而生,包括传统机器学习算法和深度学习算法.近年来,高质量数字病理切片的大量积累为病理切片的分析提供了大数据背景,深度学习算法对大数据样本分析能力普遍强于其他算法,在病理切片分析中表现出巨大潜力.计算机辅助算法在病理分析中的广泛应用,不但能减轻病理医师的工作负担,同时可以提升病理诊断的准确率.我们有理由相信病理诊断的智能机器人的出现是可以期待的.

终端应用和普及是硬道理

随着机器学习、人工智能等相关技术的局部突破,大数据的应用也开始有了些眉目。相比20世纪90年代一些老旧的数据挖掘技术,如今的大数据技术越来越成熟,已不可同日而语。