当前位置 首页 » 教学科研

教学科研

物理电子工程学院智能感知与计算团队在图像处理领域再次取得重要成果

2026-11-19 信息来源:物理电子工程学院

近日,山西大学物理电子工程学院智能感知与计算团队在图像处理领域取得突破性进展。其研究成果“iPathWS: An Integrated Scalable System for Explainable Pathology Diagnosis with Spectral Heterogeneity Engine Networks”发表于图像处理领域国际顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence(简称TPAMI,影响因子:20.4)。山西大学为第一单位和通讯单位,我校梁美彦教授为论文第一作者,硕士生王熙凯为论文第二作者,通讯作者为贾晓军教授,合作者为山西白求恩医院王琳副主任医师。山西省荣军优抚医院李波主任参与讨论,为本研究提供重要参考。

病理全切片图像是临床疾病诊断的“金标准”,但其超十亿像素级的庞大规模和复杂的组织异质性,使得传统人工智能模型面临过平滑效应和微小病灶漏诊两大挑战。针对这一问题,本研究团队创新性提出光谱异质性引擎网络(SHE-Net)。该方法融合自适应谱聚类、波束搜索策略与 k 阶行列式点过程,筛选出兼具多样性与合理性的负样本并搭建异构图网络表达病理图像特征。由此实现不同组织图像块的差异化特征映射,输出判别能力更强的病理图像整体表征。


图1. SHE-Net模型框架


实验表明,该模型在无论是在二分类任务(CAMELYON16、TCGA-NSCLC)还是多分类任务(PANDA)中的表现都显著优于主流方法,尤其在对早期微转移灶的定位能力上,可定位282.2×188.5微米的转移病灶。


图2. SHE-Net性能分析


该研究获中国博士后科学基金(2023M742577)、山西省自然科学基金(202303021211014)、山西省回国留学人员科研项目(2023-010)和山西省卫健委科研课题(2026ZYYC080)等的支持。


论文链接:iPathWS: An Integrated Scalable System for Explainable Pathology Diagnosis with Spectral Heterogeneity Engine Networks


初审 | 瑄   瑄

复审 | 范艳华

终审 | 张   捷

新闻导航

山大要闻
图片新闻
教学科研
基层动态