南京信息工程大学徐军教授学术报告

发布日期:2017-09-07 浏览次数: [字体: ]

报告题目:面向癌症精准诊断和预后的计算病理

报告人:徐军  南京信息工程大学教授、博导

报告时间:2017.9.14(周四)下午3:30

报告地点:明理楼109

报告人简介:

徐军,男,教授,博士生导师。2004年于电子科技大学应用数学学院获得理学硕士学位。2007年毕业于浙江大学控制科学与工程系,获博士学位。2008年至2011在美国Rutgers大学生物医学工程系任博士后研究人员和助理研究员,20146月至20149月在美国凯斯西储大学生物医学工程系任访问助理教授。2011年至今在南京信息工程大学担任教授。受邀在2017年第三届世界病理大会(亚太地区)做研究报告。主要研究方向为:计算病理;数字病理;面向癌症诊断与预后的医学图像计算;基于深度学习及大数据驱动的医学数据分析。主要研究成果发表在IEEE Trans. on Medical ImagingMedical Image AnalysisMedical PhysicsScientific ReportsIEEE Trans. on Neural NetworksIEEE Trans. on Biomedical EngineeringIEEE Journal of Biomedical and Health InformaticsIEEE Trans. on Circuits and System等国际期刊上。所发表论文被国内外研究组引用960余次,授权发明专利5项。

摘要:

病理诊断是癌症诊断的金标准,因此病理诊断的精准化是精准医疗或者个体化医疗的关键节点。随着数字病理时代的到来,计算病理的研究将推动癌症诊断和预后领域的变革。近年来,计算机储存能力和计算能力的快速增强,新的高通量的图像分析与机器学习算法(如深度学习)被研究与开发,以先进机器学习和计算机视觉等技术为核心的计算病理在分析高度复杂、异质性高的病理图像中起着关键作用。基于计算病理的辅助诊断系统不仅能够降低病理医师的主观因素的影响,而且能够为病理医师提供更加准确、客观、定量的分析结果。此外,还可以大大降低病理医师的工作量,提高医生的工作效率。通过把病理医师从繁琐的低层次重复劳动中解脱出来,从而节约更多的时间从事诊断中高层次的认知领域。为了实现这一目标,近年来我们研究与开发了基于深度学习的计算病理方法以及病理组学特征定量地描述肿瘤,比如基于深度学习框架的细胞核、腺体的检测与分割、细胞核异形性自动评分、多种组织类型(比如上皮和间质组织)的自动检测与分割等的新方法。在肿瘤定量化描述方面,运用了基于图描述的空间结构特征,以及形态和纹理等特征。此外,计算病理还将融合多模态的影像数据,我们正在探索基于CT图像,MRI图像的肿瘤区域3D自动分割,以及基于放射组学的肿瘤定量化分析等等。