病理形态学分析是恶性肿瘤等多种重大疾病临床诊断的金标准，是研究肿瘤演进和关键分子功能的重要临床证据。人工诊断远远无法满足对病理图像中海量细胞形态进行量化分析的需求。因此，人工智能成为提升病理诊断效率、揭示疾病演进的重要技术支撑。
西安交通大学计算机科学与技术学院李辰教授团队致力于智能病理研究，在语义标准、智能算法和临床应用的研究体系下，取得多项国际前沿成果。相关成果发表在科学数据杂志（Scientific Data）、国际医学图像计算和计算机辅助干预会议（International Conference on Medical Image Computing and Computer-Assisted Intervention, MICCAI）、美国电气与电子工程师协会医学影像汇刊（IEEE Transactions on Medical Imaging）等领域顶级会议和期刊上。团队的儿童白血病细胞学人工智能创新识别方法在国家儿童医学中心（上海儿童医学中心）成功应用后，获得2022年世界人工智能大会卓越人工智能引领者奖。
在语义标准研究上，团队提出病理表型描述语言HistoML，帮助计算机理解病理形态学分析理论。在统一的语义标准的帮助下，计算机可以对巨幅病理图像进行全面、定量地观测，规模化地从病理切片中获取与病理表型相关的特征，实现病理特征的精细化分析，大大促进病理表型的系统分析。目前该研究成果已以《HistoML,一种用于病理图像组织病理学特征表示和交互的标记语言》（HistoML, a markup language for representation and exchange of histopathological features in pathology images）为题发表在《自然》杂志子刊《科学数据》上。
在临床实践上，团队利用大规模数据挖掘和机器学习算法对医疗数据进行深度分析，借助人工智能技术辅助医生的诊断和施治过程。例如，团队在美国电气与电子工程师协会医学影像汇刊上发表的《一种用于组织病理图像分割的无监督表示学习：从全局到局部对比》中提出了一种无监督表征学习框架，通过一系列的全局到局部的对比学习任务，学习用于组织分割的判别表征，并通过在组织分割数据集上进行多次实验，证明了该框架编码细粒度特征的能力。在国际医学图像计算和计算机辅助干预会议上发表的《基于实例的视觉转换器在乳头状肾细胞癌组织病理图像分型中的应用》中提出了一种基于实例的视觉转换器i-ViT（instance-based Vision Transformer），通过从实例中提取出精细特征来学习组织病理学图像的鲁棒性表示，可用于乳头状肾细胞癌（papillary renal cell carcinoma, pRCC）的分型任务。
世界人工智能大会（WAIC）是经国务院批准，由国家发展和改革委员会、工业和信息化部、科学技术部、国家互联网信息办公室、中国科学院、中国工程院、中国科学技术协会等共同主办的全球人工智能领域最具影响力的行业盛会。国家儿童医学中心（上海儿童医学中心）是2019年国家卫健委绩效“国考”中综合得分位列全国儿童专科第一的医院。儿童白血病诊断是其全国领先的优势学科。李辰教授团队的儿童白血病细胞学人工智能创新识别方法在国家儿童医学中心应用，获得2022年世界人工智能大会卓越人工智能引领者奖。该方法针对骨髓图像中各种细胞的形态进行智能识别并辅助诊断，通过高质量、大样本数据充分训练，使得系统诊断准确度达到主任医师级水平。
论文链接：
https://www.nature.com/articles/s41597-022-01505-0
https://ieeexplore.ieee.org/abstract/document/9830779
https://link.springer.com/chapter/10.1007/978-3-030-87237-3_29
李辰教授课题组主页：http://www.chenli.group
