人工智能在血吸虫病防控中的应用现状与前景

血吸虫病是一种严重危害人类健康、影响社会经济发展的寄生虫病。人工智能技术已广泛应用于肿瘤筛查、心电图、影像学与病理学分析等临床医学领域,并有望实现血吸虫病精准防控。目前,人工智能技术已应用于血吸虫病肝纤维化、异位血吸虫病临床评估,晚期血吸虫病预后预测,钉螺、虫卵、毛蚴自动检测,血吸虫病流行病学监测和药物发现等方面。本文对近年来人工智能技术在血吸虫病防控领域的应用进展与前景进行综述。     

计算病理学应用研究进展与挑战

计算病理学是病理学与人工智能、计算机视觉等信息技术交叉形成的细分领域,其研究范畴已从病灶检测、免疫组化染色细胞计数迅速拓展至分子病理、预后以及治疗响应等标签的预测中。计算病理模型已在临床研究中得到较为深入的应用,将成为精准医疗背景下重要的辅助诊疗工具。本文对计算病理领域最新应用进展进行综述,并探讨相关研究与应用中的主要挑战与对策。     

基于多任务和注意力的胰腺癌全切片图像多组织分割模型

在全切片中分割不同组织对胰腺癌的诊疗十分重要,但目前面临内容复杂、样本偏少、样本异质性高等挑战。本文研究了胰腺癌病理切片八种类别的组织分割,通过引入注意力机制并设计分层共享的多任务结构,利用相关辅助任务显著提升模型性能。本文模型在上海长海医院的数据集上进行训练与测试,并在TCGA公开数据集上进行外部验证,在内部测试集上F1分数均高于0.97,在外部验证集上F1分数均高于0.92,且泛化性能显著优于基线方法。实验表明,本文模型可准确分割胰腺癌全切片图像中的不同组织,为临床诊断提供可靠依据。