BIBE-PICA' 24: 病理图像计算与分析

病理组织活检是临床癌症诊断的“金标准”。随着人工智能的发展，融合深度学习等技术而产生的计算病理学，极大地提高了癌症诊断、治疗及预后分析的效率和准确性。计算病理学通过深度学习技术分析疾病图像，揭示疾病的细微发展过程，推动个性化医疗的发展，特别是在肿瘤等复杂疾病的治疗中，通过分析肿瘤的分子和遗传特征，计算病理学可以为每位患者推荐最合适的治疗方法。此外，该领域的研究成果还极大促进了临床研究的发展，不仅可以在临床试验中评估治疗效果，监测疾病进展，还能进行药物疗效的量化分析，加速新药的研发和审批过程。第七届生物信息与生物医学工程国际学术会议（BIBE）旨在推动生物信息与生物医学工程领域的学术交流与合作，因此特别设立“病理图像计算与分析”分会，以聚焦该领域的前沿技术、研究成果以及未来发展趋势。

BIBE-PICA' 24主题包括但不限于

1. 病理图像虚拟染色
2. 病理组织语义分割
3. 癌症亚型分类与分期
4. 基于病理图像的生存性分析
5. 基于病理图像的药物疗效预测
6. 基于病理图像的生物标志物预测
7. 基于多示例学习的全切片病理图像分析

BIBE-PICA' 24召集人/分会主席

王一峰
哈尔滨工业大学-新加坡国立大学联合培养博士（国家留学基金委公派出国），中国计算机学会会员，亚太神经网络协会会员，MICCAI member，AAAI member。主要研究方向为深度学习模型设计与可解释性分析、生成式深度学习模型、病理图像虚拟染色、组织语义分割、基于深度学习的癌症诊断与预测等。发表国际期刊/会议论文二十余篇，申请国家发明专利十余项。担任REMOTE SENSING TECHNOLOGY期刊编委，CVPR、ECCV、AAAI、ACL、MICCAI、EXPERT SYST APPL、ARTIF INTELL MED等顶级人工智能会议/期刊审稿人。主持广东省科技创新战略专项，参与国家自然科学基金重点项目、“十四五”国家重点研发计划、广东省重点领域专项。