原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
临床与实验病理学杂志ＪＣｌｉｎＥｘｐＰａｔｈｏｌ２０２４Ｄｅｃ；４０（１２）·１２５１·
网络出版时间：２０２４－１２－２０１２：０２：４０网络出版地址：ｈｔｔｐｓ：／／ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ／ｕｒｌｉｄ／３４．１０７３．ｒ１５１９．００３
人工智能在肾细胞癌病理图像分析领域中的应用及研
究进展
１２３２１
陈辉，焦一平，曲乐，徐军，饶秋
［３］
关键词：肾细胞癌；人工智能；病理图像分析；计算机辅助诊方法均尚未得到充分验证。此外，ＲＣＣ病理诊断还可能
［４］
断受染色和切片质量差异等因素的影响。２０１７年４月，美
中图分类号：Ｒ７３７１１；ＴＰ１８文献标志码：Ａ国食品药品监督管理局批准了一款用于病理诊断的自动化
文章编号：１００１－７３９９（２０２４）１２－１２５１－０６全玻片成像扫描仪，它将整张玻片的高分辨率图像与先进的
ｄｏｉ：１０．１３３１５／ｊ．ｃｎｋｉ．ｃｊｃｅｐ．２０２４．１２．００３数字病理工具相结合，并将成像数据集成到诊断报告的各个
［５］
方面，包括解剖、临床和分子病理学。实际上，全玻片成像
鉴于人类视觉的局限性和认知的主观性，传统的病理切系统正迅速成为病理实践中不可或缺的组成部分。一旦病
片判读既耗时又费力，且不同阅片者之间的判读结果可能存理切片数字化，ＡＩ和计算病理学工具将成为推动未来临床
在显著差异。随着医疗技术的不断进步，肾细胞癌（ｒｅｎａｌ病理诊断创新与进步的关键平台，有望实现ＲＣＣ各种病理
ｃｅｌｌｃａｒｃｉｎｏｍａ，ＲＣＣ）的诊断分型、风险评估、治疗管理等已形态学特征的准确量化以及预后相关参数的定量分析。此
取得显著进展，但在准确性和一致性方面仍存在挑战。近年外，由于ＲＣＣ的肿瘤分型非常广泛，并可存在肉瘤样和横纹
来，随着人工智能（ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）在图像分析领域肌样癌、黏液样基质、嗜酸性细胞质等相对罕见的异质性形
能力的增强以及数字化病理切片的普及，越来越多的研究尝态特征［６－７］，给诊疗工作带来了挑战。因此，构建深度学习
试将深度学习算法和图像分析技术应用于ＲＣＣ的病理诊断模型以自动识别并定量分析病理图像数据，并将量化的组织
和临床辅助决策。此外，在病理ＡＩ的虚拟染色中，通过训练和细胞特征与患者表型关联尤为重要。
神经网络将ＨＥ染色转化成另一种染色的技术创新为传统
２ＡＩ在ＲＣＣ病理图像分析中的应用
组织学提供了更可持续、更快速、更经济的替代方案。尽管
如此，该领域的许多研究工作尚处于探索阶段，有限的数据数字化扫描的高分辨率全切片图像（ｗｈｏｌｅｓｌｉｄｅｉｍａｇｅ，
规模、模型的泛化能力以及ＡＩ算法的可解释性均是当前的ＷＳＩ）作为高密度信息源，通过图像分析方法可将其转化为
主要挑战。本文对ＲＣＣ的病理ＡＩ研究进行了调研，展示了高通量、可探索的多维病理形态学特征数据集。这些数据集
该领域的主要挑战与巨大的应用前景。涵盖组织形态学中不同细胞之间的拓扑空间关系、纹理特
征、形态学特征、边缘梯度特征、生物学特性等定量特征，能
１ＡＩ在ＲＣＣ病理图像分析中的挑战和需求
够在亚视觉水平上揭
文档评论（0）