颜 锐，陈丽萌，李锦涛，任 菲

1中国科学院计算技术研究所， 北京 1001902中国科学院大学，北京 1000493中国医学科学院 北京协和医学院 北京协和医院肾内科，北京 100730

受人口老龄化、环境污染、不良生活习惯和膳食结构变化等因素的影响，癌症已成为全世界共同面临的重大公共健康问题[1]。作为癌症诊断的 “金标准”，病理诊断的准确性和及时性直接影响患者治疗方案的选择和预后。在传统病理诊断流程中，病理医生在显微镜下直接对病理切片进行镜检，然后根据经验独立作出病理诊断。随着全切片扫描图像 (whole slide images，WSI)技术的快速发展，病理切片的数字化给病理医生带来了诸多好处，如无须再通过显微镜观察病理切片，而是可以通过屏幕更加方便快捷地反复观看和定量分析病理图像。WSI的推广应用，促使病理学进入了新的发展阶段。

当然，病理学的发展目前仍然面临巨大挑战。首先，世界上普遍缺乏病理学家，而这一问题在我国尤为突出，2018年，我国有执照的病理科医生仅10 000余人，缺口达90%[2]；其次，病理诊断是否正确完全取决于病理医生的专业知识和诊断经验，受个人主观因素的影响，诊断结果往往并不一致。面对上述挑战，迫切需要开发客观且准确的病理图像分析方法。在所有病理图像分析任务中，最重要的是分类任务，其是细胞核定位[3]、有丝分裂检测[4]、腺体分割[5]、病理图像检索[6]等深入研究的基石。

在自然图像和医学影像领域，基于深度学习的图像分类方法已取得显著成效[7]，但由于病理WSI存在分辨率极高、病理特征差异细微、细胞重叠、颜色分布不均匀等特点，WSI自动分类一直缺乏突破性进展。……