关闭

阐明癌症病理学并根据病理显微镜图像分析支持诊断的进展

这项研究旨在模拟与癌症相关的细胞组织的形态变化,有助于阐明癌症发展的机制,并广泛扩大诊断支持。通过分析被称为病理显微镜图像的图像,可以详细观察单个细胞核,我们正在努力获取有助于病理学进步的新知识,并开发将成为诊断支持系统要素的人工智能图像处理技术。近年来,随着人工智能相关软硬件技术的快速增长和规模化,该领域的研究也在快速发展。具体而言,本研究旨在通过促进以下主题,为阐明癌症病理学和诊断支持的发展做出贡献:(1)创建针对超过数十亿细胞核的群体的超大规模细胞核分析平台,(2)技术开发和可解释的人工智能在诊断支持中的应用,(3)开发3D病理显微图像的表达技术以更好地了解肿瘤微环境,以及(4)开发将细胞组织形态和基因表达联系起来的新研究领域。

信息工程学院|助理教授

古贺良一(古贺良一)

古贺良一

3 人人享有健康和福祉
9 让我们为产业和技术创新奠定基础
10 消除人民和国家之间的不平等

关键字

病理图像分析
深度学习
模式识别
可解释的人工智能

领域/程序

研究类别

信息科学、信息工程
人体工程学
人类信息学
应用信息学

研究主题

  • 创建恶性淋巴瘤细胞核超大规模分析平台
  • 基于可解释AI的恶性淋巴瘤非典型性评估标准构建
  • 开发用于描述肿瘤微环境的3D病理显微图像表示技术
  • 连接计算病理学和分子生物学的病理显微镜图像和基因表达的多模态分析

留言

我们仔细分析病理显微镜图像中细胞和组织的形状,并致力于创造能够了解癌症起源和支持诊断的技术。通过处理数十亿细胞核的分析平台、可解释的人工智能、三维病理图像表示以及连接细胞组织形态和基因表达的分析,我们的目标是建立前所未有的分析平台,实现病理学和信息工程的新分析方法。我们重视与医学专业人士和研究人员的合作,并将稳步工作以确保研究成果能够在现场安全使用。我们还创造了一个环境,让学生可以在从基础知识开始共同学习的同时推进他们的研究。如果您有兴趣,还请查看我们的实验室页面。