https://weibo.com/ttarticle/p/show?id=2309404709262751564015《Nature子刊 | 中南大学团队发表结直肠癌病理图像人工智能诊断模型》 研究人员开发了一个用于识别结肠直肠癌图像的CRC半监督模型，该模型可从组织扫描图像中准确地检测和诊断结直肠癌，且准确率优于病理学家。
结直肠癌（CRC）是常见的消化道恶性肿瘤之一。病理诊断是大肠癌诊断常用的方法之一，需要病理学家目视检查全视野数字病理切片（WSIs）。WSIs数据的快速积累使病理学家工作强度大幅提高。利用人工智能方法提高临床病理诊断效率成为新的研究热点，机器辅助病理图像识别一直是监督学习（SL）领域关注的重点，但SL也面临着数据标记问题，需要给出不同环境状态下的期望数据输出，限制了应用瓶颈。半监督学习（SSL）也是机器学习的一种，可以利用标记数据以及未标记数据，被认为是辅助病理图像识别的一种低成本替代方法。
近日，中南大学基础医学院邓红文教授、肖红梅教授、中南大学湘雅医院王宽松教授等研究团队在Nature Communications发表了题为“Accurate recognition of colorectal cancer with semi-supervised deep learning on pathological images”的研究文章。研究人员从8803名受试者和13个独立的癌症研究中心收集了超过1.3万张结直肠癌图像。利用这些随机选择的病理图像，研究人员开发了一个用于识别结肠直肠癌图像的CRC半监督模型，该模型可从组织扫描图像中准确地检测和诊断结直肠癌，且准确率优于病理学家。
该研究的挑战在于大图像尺寸、复杂的组织形状、纹理和核染色的组织学变化。研究团队利用AUC衡量了人工智能诊断的准确性，发现经验丰富的病理学家手动识别结直肠癌的平均得分为0.969，CRC半监督模型的平均得分为0.980。
--
FROM 59.41.66.*