近日，由我院邹学玉教授指导的2020级硕士研究生邵丹的研究成果“Pixel-level Classification of Five Histologic Patterns of Lung Adenocarcinoma”在国际顶级学术期刊Analytical Chemistry (AC)上顺利发表。
该研究首次对肺腺癌组织病理图像进行像素级别的分类，通过数据集标注、数据集扩增、神经网络设计以及模型指标对比分析等实现肺腺癌组织病理图像自动分类（图1）。论文提出了一种数据拼接方法，其基本思想是使用最少的人工标注数据量满足模型的理想状态。该研究提出了一个用于肺腺癌组织病理图像的分析框架，可在像素级别上智能标注肺腺癌的组织学模式。该框架包含五个深度神经网络模型分支，用于分割各个组织学模式。这项研究使用深度学习技术对肺腺癌组织学模式进行像素级分类，以辅助病理医生判断肿瘤分级，能够有效提高肺腺癌病理诊断效率。
图1. 肺腺癌数字病理图像分析框架
该研究成果得到了南方科技大学郭智勇副教授的指导与支持（通信作者，我院08届通信工程专业毕业生），南方科技大学医院病理科冉冬梅主任医师（合作通信作者）为该研究提供了临床指导与数据集注释修正；同时，澳大利亚工程院院士金大勇教授（南方科技大学讲席教授）为文章提供了多次修改指导；该研究还得到了深圳市孔雀团队（KQTD20170810110913065）和稳定支持计划（20200925174735005)等科研项目的支持。
文章作者邵丹将于今年6月份硕士毕业，目前正申请澳大利亚悉尼科技大学金大勇教授课题组的博士研究生。
当前Analytical Chemistry影响因子8.008，中科院JCR1区，分析化学领域TOP期刊。文章全文链接：Pixel-Level Classification of Five Histologic Patterns of Lung Adenocarcinoma | Analytical Chemistry (acs.org)
