文献类型：期刊文章

作　　者：董洋[1,2] 张冯頔[1,2] 姚悦[1,2] 力超[3,4] 陈丽红[5,6] 尹洪芳[7] 何宏辉[1,2] 刘小龙[6] 冯晓彬[7] 曾楠[1,2] 廖然[1,2] 刘景丰[3,8] 马辉[1,2,9]

DONG Yang;ZHANG FengDi;YAO Yue;LI Chao;CHEN LiHong;YIN HongFang;HE HongHui;LIU XiaoLong;FENG XiaoBin;ZENG Nan;LIAO Rann;LIU JingFeng;MA Hui(Shenzhen International Graduate School,Tsinghua University,Shenzhen 518055,China;Guangdong Engineering Center of Polarization Imaging and Sensing Technology,Shenzhen 518055,China;Fujian Medical University Cancer Hospital,Fujian Cancer Hospital,Fuzhou 350014,China;Fujian Key Laboratory of Translational Cancer Medicine,Fuzhou 350014,China;Department of Pathology and Institute of Oncology,School of Basic Medical Sciences of Fujian Medical University,Fuzhou 350004,China;Fujian Medical University Mengchao Hepatobiliary Hospital,Fuzhou 350025,China;Beijing Tsinghua Changgung Hospital,School of Clinical Medicine,Tsinghua University,Beijing 102218,China;The Big Data Institute of Southeast Hepatobiliary Health Information,Mengchao Hepatobiliary Hospital of Fujian Medical University,Fuzhou350025,China;Department of Physics,Tsinghua University,Beijing 100084,China)

机构地区：[1]清华大学深圳国际研究生院,深圳518055 [2]广东省偏振光学检测与成像工程技术研究中心,深圳518055 [3]福建医科大学附属肿瘤医院,福建省肿瘤医院,福州350014 [4]福建省肿瘤转化医学重点实验室,福州350014 [5]福建医科大学基础医学院病理学系和肿瘤研究室,福州350004 [6]福建医科大学孟超肝胆医院,福州350025 [7]清华大学附属北京清华长庚医院,清华大学临床医学院,北京102218 [8]福建医科大学孟超肝胆医院东南肝胆健康大数据研究所,福州350025 [9]清华大学物理系,北京100084

出　　处：《中国科学：生命科学》

基　　金：国家自然科学基金(批准号:11974206,61527826,11374179,11174178,10974114,60778044);国家重点研发计划(批准号:2018YFC1406600);深圳市基础研究学科布局项目(批准号:JCYJ20170412170814624)资助。

年　　份：2023

卷　　号：53

期　　号：4

起止页码：480-504

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2023_2024、JST、RCCSE、ZGKJHX、核心刊

摘　　要：数字病理技术能够对病理切片进行高分辨率数字化,并利用计算机和数据技术对数字化图像进行定量分析和特征识别,以便降低病理医师的工作强度,提高诊断客观性和准确性,实现病理辅助诊断.全偏振显微成像是正在迅速发展的一类成像技术,具有不依赖染色、不造成损伤、富含亚细胞超分辨微观结构特征信息等优点,可在不同解剖学层次和空间尺度针对生物医学样本的微观结构进行定量表征,或对生命过程进行原位、在体的动态观测,在临床病理诊断等领域已经展示出了十分诱人的应用潜力.本文从数字病理图像分析技术的概念和方法出发,简要介绍偏振成像方法以及基于偏振成像技术的数字病理图像分析方法的前瞻性研究成果,目的是展示偏振数字病理的概念、技术、方法和初步应用,并展望其潜在的应用前景和未来发展方向.

关 键 词：数字化病理  偏振成像  偏振特征提取  机器学习  

分 类 号：R361.2] TP391.41[基础医学类]