项目简介：
近年来，癌症持续爆发已经成为我国一个严重的社会问题，早诊断早治疗是唯一有效的应对措施。目前的癌症诊断主要依赖病理医生在显微镜下肉眼观察搜索癌细胞，不但误判率高，而且工作量大、耗时长，这导致我国癌症爆发率和死亡率居高不下。此外，检测类医疗器械核心技术长期被欧美把控，我国还缺乏成熟可靠的癌症筛查设备。
本项目提出基于半监督学习、弱监督学习和主动学习相结合的辅助标注框架，降低了85%的细胞标注成本；提出了图像预处理扩散模型，统一了不同扫描设备、不同制片和染色方式的图像风格，并结合无源域自适应方法，有效解决了各类样片差异导致的识别率下降问题；根据TBS诊断标准和病理医生的诊断经验定义诊断指标，将病理医生诊断经验量化、标准化，形成可度量、可计算的指标体系；提出样本参照系数概念及计算方法，模拟医生诊断方式识别异常细胞，解决了分类器准确率低的问题；提出基于病人个性化信息的多模态、多阶段全景图像分类方法，充分使用病历信息、异常细胞图片及量化指标实现了宫颈癌的可靠诊断；在系统使用中对比医生和系统的诊断差异，融合弱监督学习、通过增量学习和持续学习方法不断优化诊断模型；建立病理云诊断平台，将联邦学习用于超大规模诊断模型的训练与更新，保护了医疗数据隐私。
共发表了SCI检索论文7篇，其中2篇发表在Top期刊IEEE JBHI上，申请授权发明专利18项，获授权发明专利7项，软著9项，出版专著1部，连续4年获得“互联网+”大学生创新创业大赛国家级铜奖、省级金奖。开发了“病理诊断影像图像处理软件”，“细胞DNA倍体分析系统”，“组织活检病理分析系统”，“全自动显微镜电动平台”，“TCT智能诊断系统”等产品。以病理智能诊断为切入点，打破了国外医疗器械垄断局面，开发出了精准快速的宫颈癌智能诊断与筛查系统。
应用现状:
目前“病理诊断影像图像处理软件”获得了二类医疗器械注册证和生产资质，已经实现批量销售。产品敏感度超过96.3%，特异度超过93.8%，性能超过了专业医生的诊断水平，可在20s内完成一个样本的分析，可减少医生95%的工作量。近年来在各大医院和第三方检验机构推广，目前产品已销售230多家医院，并为黑龙江周边市县120多家医院提供诊断服务，截止目前已累计筛查230万人次，查出癌症及癌前病变2万余人。提前检出了宫颈癌，挽救了患者的生命。
