刘海东，杨小渝，朱林忠

1. 中国科学院计算机网络信息中心，北京 100190

2. 中国科学院大学计算机与控制学院，北京 100049

3. 北京大学肿瘤医院，北京 100142

引言

当前，乳腺癌成为女性人群中常见的一种癌症疾病，严重的影响了女性的生活。乳腺癌的诊断首先通过 X 射线成像来进行检查，初步确定病灶的性质，然后穿刺获得该组织结构，并将其染色制成样本，得到组织切片。通过对组织进行切片，然后由病理医生在显微镜下通过观察该切片诊断得出是否为乳腺癌。在临床医学中，病理图像分析是重要的癌症确诊方法。针对乳腺癌病理诊断过程，诺丁汉分级系统提出，病理切片中所呈现的三种组织细胞形态学特征，包括腺小管的构成，细胞核的多形态和核分裂象的数量是乳腺癌评估的关键指标。这是诊断癌症常用的比较准确的方法。现在越来越多的工作是将显微镜观察后的结果转变为数字病理图像，病理学家可以通过电脑来分析这些病理图像，进而得出诊断结果。

目前在临床医院，对于组织切片的常规分析仍然是一个艰苦的、漫长的过程，需要人工手动完成，而且需要具备长期经验的病理学家才能完成这个过程。由于染色剂浓度、成像模式以及在制作病理切片中人为操作的影响，严重的影响病理图像的质量。并且手动观察，标记产生的有标记的乳腺癌病理图像的数量有限，使得病理图像分析成为当前该领域的一大难题。

目前在医疗领域，给出详细的病理图像标记是十分昂贵的，如何利用这些少量的有标记 (仅标记该病理图像是否为乳腺癌) 的病理图像数据来提高病理图像识别的准确率以及采用弱监督学习的方式给出可疑区域是急需解决的问题。……