国自然面上项目分享｜基于人工智能和病理组学的早癌筛查算法研究

小罗碎碎念

今天分享的项目为【常规面上项目】，执行年限为2018年1月至2021年12月，直接费用为55万元。

今天分享的这个项目很有意思，因为这个项目的成果是团队2020年申报基金委优青的材料，并且还有临床验证和商业转化，值得重点研究一下！不过我已经给你们测试过了，报告里提到的网址应该是只能内部访问的，全部都返回404。还有一点，报告的预算支出里提到了实验采用的显卡——NVIDIA Tesla K80（24G） * 5，两万一张。

项目的研究重点是基于人工智能方法，从病理组学的角度出发，使用无监督的对抗神经网络的特征提取算法提取病理图像的高维特征，使用弱监督卷积神经网络算法对大量病理切片数据做分类和分级，发现早期癌症并进行个性化预后，同时结合自然语言理解算法和循环神经网络的算法根据病理图像分析的结果生成病理报告。

图片版本报告请自行前往【<a class= 国自然官网】获取，可复制版本的pdf前往知识星球【基金申请】专栏获取" />

项目顺利完成，发表了15篇论文，其中12篇被SCI和计算机视觉顶会收录，取得了2项专利，并已进入产业化转化阶段。项目成果在国内外学术界产生了广泛影响，项目文章在多个国际会议上被邀请为口头报告或海报展示。项目团队由来自不同领域的专家组成，包括病理科医生、计算机视觉专家和生物医学工程专家等，共同推进项目的研究和应用。

项目成果的应用前景广阔，预计在病理、临床检验和国防安全领域得到应用，并在5年内推广使用。项目还建立了一个云平台，用于海量数字病理切片图像的数据中心系统建设，实现了数据的上传、下载、分析和查看等功能，促进了数据共享。项目成果还包括一个在线癌症智能诊断系统，能够通过对癌症病理图片的分析，获取各种结构的二维分布情况，为癌症诊断提供依据。

一、报告摘要

癌症已成为我国疾病死因之首，其发病率和死亡率的攀升对公众健康造成了巨大威胁。

早癌筛查在降低癌症死亡率、延长癌症病人生命以及减轻癌症治疗的经济压力方面都有十分重要的意义。目前，癌症诊断的最权威方法是病理切片分析。由于人眼不易察觉微小的癌变区域，人工智能可以辅助深度挖掘病理图像隐含信息，从而及时发现癌症。

本项目的研究重点是基于人工智能方法，从病理组学的角度出发，使用无监督对抗神经网络的特征提取算法提取病理图像的高维特征，使用弱监督卷积神经网络算法对大量病理切片数据做分类和分级，发现早期癌症并进行个性化预后，同时结合自然语言理解算法和循环神经网络的算法根据病理图像分析的结果生成病理报告。

本项目提出的基于自监督指导的弱监督病理图像语义分割算法，在组织病理和细胞病理上都证明了很好的准确率，接近于全监督的结果，远好于现阶段所有病理图像弱监督学习算法。在肠癌组织病理的验证集上，达到86%的准确率；在宫颈细胞病理的验证集上，达到60%的准确率。已经在浙江大学第一附属医院和国内最大的第三方检验迪安诊断进行临床验证和产品转化，已经在3万个病人进行试验，取得较好的效果。

本项目提出的基于可解释性的循环学习的弱监督病理图像实例分割算法，在各种组织病理的细胞分割上证明了很好的准确率，同时接近于全监督的结果。由于较难的任务，目前这个方法的弱监督学习几乎很少研究。此任务的完成，能用于各种组织病理亚型的学习和识别，为肿瘤的诊断，进一步的放化疗，以及药物决策起了重要的辅助作用。此工作已经在中国国家癌症中心中国医学科学院肿瘤医院进行临床验证。

首次提出病理组学的概念，形成从病理切片分析到精确预后再到自动生成病理报告的一体化流程，使病理分析工作有层次的展开。最终实现早癌筛查的目的，使患者及早就诊，降低癌症死亡率，为病人提供个性化预后。项目顺利完成，辅助病理医生各种繁琐工作，提高工作效率，进一步提高肿瘤诊断和治疗的准确率。

二、主要研究内容

2-1：写作框架

2-2：主要研究进展&重要结果

基于神经网络可解释性的弱监督病理图像细胞实例分割
基于无监督学习的病理图像细胞特征学习
基于结构特征的病理图像无监督配准
基于递归级联网络的医学图像无监督配准

三、项目成果

3-1：研究成果

项目团队共完成了15篇高质量的学术论文，其中12篇被SCI收录，并在计算机视觉领域的顶级会议中发表。特别值得一提的是，团队的一篇CVPR论文不仅被选为口头报告，而且在谷歌学术的信息科学领域中排名第一，其接受率仅为5.5%，显示了其在学术界的影响力。

此外，团队还有三篇文章的影响因子超过了5分，这在学术出版领域是一个重要的里程碑。在医学领域，团队的研究成果在《临床与实验病理学杂志》上得到了发表；而在生物医学工程领域，团队的两篇论文则在《中国生物医学工程学报》上发表。

除了学术成就，团队还成功获得了2项专利授权，这些专利已经进入产业化转化阶段，为相关领域的发展提供了新的动力。在人才培养方面，团队的项目成功培养了8位硕士研究生，他们的硕士论文工作与项目紧密相关，为病理图像分割领域贡献了新的知识和技术。

在Web of Science的检索中，以“病理图像分割”为关键词，团队的工作在世界排名前10的文章中占据了5篇，这进一步证明了团队在该领域的领导地位。

3-2：成果转化与应用

团队的弱监督病理图像分割算法在浙江大学第一附属医院进行了临床试用，自2017年起，该算法已经得到了积极的反馈，这不仅证明了其在临床实践中的有效性，也展示了其在提高社会效益和经济效益方面的潜力。

此外，北京迪安医学检验实验室有限公司自2017年起与团队合作，将病理图像分割算法应用于实际工作中，这一合作为公司带来了450万元的新增收入，其中算法贡献了225万元的利润，这进一步证明了团队的研究成果在商业领域的应用价值。

3-3：人才培养

在项目实施过程中，团队不仅在学术研究上取得了成果，还在人才培养上取得了显著成就。团队成功培养了6名硕士研究生和8名本科生，他们在项目中参与了相关算法的研究和工程化工作，这不仅提升了他们的专业技能，也为病理图像分割领域的发展注入了新鲜血液。

四、报告获取

本推文只作为学术分享，版权和解释权归基金委和原作者所有。

方式一

直接访问国自然官网，搜索关键词，即可逐页查阅图片版本的报告（不可复制）。

方式二

前往知识星球【基金申请】专栏获取可复制版本的pdf文件。