講座內(nèi)容：近年來(lái)，隨著計(jì)算機(jī)儲(chǔ)存能力和計(jì)算能力的快速增強(qiáng)，新的高通量的圖像分析與機(jī)器學(xué)習(xí)算法(如深度學(xué)習(xí))被研究與開發(fā)，運(yùn)用圖像計(jì)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(jì)算機(jī)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(lái)的影響，而且能夠?yàn)獒t(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(shí)現(xiàn)這一目標(biāo)，近年來(lái)我們研究與開發(fā)了一系列基于深度計(jì)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(xì)胞核、腺體的檢測(cè)與分割、細(xì)胞核異形性自動(dòng)評(píng)分、多種組織類型(比如上皮和間質(zhì)組織)的自動(dòng)檢測(cè)與分割等等。在腫瘤定量化描述方面，運(yùn)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(dòng)分割，以及基于放射組學(xué)特征的腫瘤定量化分析。報(bào)告中我將詳細(xì)介紹這些工作。