講座內(nèi)容：近年來，隨著計算機儲存能力和計算能力的快速增強，新的高通量的圖像分析與機器學(xué)習(xí)算法(如深度學(xué)習(xí))被研究與開發(fā)，運用圖像計算方法分析高度復(fù)雜、異質(zhì)性高的醫(yī)學(xué)數(shù)據(jù)開始在疾病診斷的中起著關(guān)鍵作用。組織病理圖像分析是癌癥診斷的“金標(biāo)準(zhǔn)”?；诮M織病理圖像分析的計算機輔助診斷和預(yù)后系統(tǒng)不僅能夠避免人的主觀因素帶來的影響，而且能夠為醫(yī)生提供客觀、定量的分析結(jié)果。此外，還可以大大降低病理醫(yī)生的工作量。為了實現(xiàn)這一目標(biāo)，近年來我們研究與開發(fā)了一系列基于深度計算的圖像分析方法以及病理組學(xué)特征定量地描述腫瘤，比如基于深度學(xué)習(xí)框架探索面向組織病理圖像分析的新方法，包括細胞核、腺體的檢測與分割、細胞核異形性自動評分、多種組織類型(比如上皮和間質(zhì)組織)的自動檢測與分割等等。在腫瘤定量化描述方面，運用了基于圖描述的空間結(jié)構(gòu)特征、形態(tài)和紋理特征等等。此外，為了融合多模態(tài)的數(shù)據(jù)，我們還在探索基于CT圖像，MRI圖像的腫瘤區(qū)域3D自動分割，以及基于放射組學(xué)特征的腫瘤定量化分析。報告中我將詳細介紹這些工作。