导读：中国青年网北京12月22日电 近日，中南大学基础医学院医工交叉团队在国际著名期刊Nature Communications上发表病理人工智能新成果，探索高效建立癌症病理图像识别算法。 当前的病理人工智能主要基于有监督学习，该方法依赖于海量标注数据，这严重制约了人工智...
中国青年网北京12月22日电近日，中南大学基础医学院医工交叉团队在国际著名期刊Nature Communications上发表病理人工智能新成果，探索高效建立癌症病理图像识别算法。
当前的病理人工智能主要基于有监督学习，该方法依赖于海量标注数据，这严重制约了人工智能系统的开发和落地。该团队首次应用半监督学习方法建立了专家级的肠癌识别模型，对来自13个独立医学中心的8803个病人的13111张肠道组织样本的病理全片图像，进行了广泛的评估和测试。实验证明当少量标注图像时，半监督学习的肠癌模型明显优于相同标注数量的有监督学习模型。采用10%标注数据训练的半监督模型，与海量数据训练的有监督模型无显著性差异。通过多中心研究，证实半监督学习可以实现专家级的病理人工智能系统。由于半监督学习降低了对标注数据的依赖，因此在高效构建病理人工智能系统的实践中，具有极大的潜力和应用前景。
据悉，美国Tulane University School of Medicine、University of Oklahoma Health Sciences Center，Temple University和Florida State University的专家团队为主要合作和贡献者。
