复旦大学附属肿瘤医院放射治疗中心，复旦大学上海医学院肿瘤学系，上海200032

病理学的发展从根本上来说是病理学切片技术与数据分析的结合［1］。过去20年图像扫描技术、存储技术和计算机技术的革新带动了病理学的发展与演变［2］。1999年全切片数字化图像扫描技术的提出实现了病理学切片的数字成像和存储，简化了病理学实验室的工作流程［3-4］。

19世纪50年代人工智能的概念被提出，旨在用计算机模拟预测在相同情况下人类的行为［5］。机器学习是在机器中“学习”输入数据后通过自我调整和改进以预测的一种实现人工智能方法。19世纪80年代随着人工神经网络的发展，含有多层神经网络的深度学习被推广［6］。2006年Hinton等［7］攻克了深度神经网络训练上的难度，同时计算机处理能力提升，使得神经网络重新在人工智能领域掀起深度学习的热潮。

近年来，深度学习在解决图像分类任务中取得了巨大的成功与进步［8］。深度学习与病理学分析的碰撞，促进了现代数字病理学的发展。数字病理学原指病理学切片实现数字化图像的过程，现指用人工智能实现病理学图像的检测、分割、诊断和分析［1］。人工智能使病理学分析从定性分析转为定量分析，并能减少病理学医师的技术差异导致的诊断误判，节省诊断时间［9］。但传统的人工智能方法依赖于精准的人工标注，为使复杂的病理学诊断变得更加快捷准确、更适用于临床数据，深度学习在大数据量的全病理学组织切片（whole-slide image，WSI）数据集上已发挥其优势。……