学术报告：一种集成3D CNN模型用于肺腺癌的病理亚型识别

报告时间：2023年12月1日（星期五）上午10:30-11:30

报告地点：沙河校区，二教207

报告人：周静，中国人民大学统计K8凯发，副教授

报告摘要💫：肺癌一直是全球威胁人类健康最常见的癌症之一，它也是导致癌症相关死亡的主要原因，约占全部癌症相关死亡的18%🚣🏻‍♂️。本研究从实际的临床问题出发🤸🏿，系统解决了在临床实践中，肺结节诊断的三个重点问题🤹🏿‍♂️。分别是：1、结节是良性的还是恶性的？该问题的解决能回答患者要不要做手术的问题🦸🏻‍♀️。2、如果结节是恶性的👨🏼‍🎤🍄，这是一个浸润前的病变还是浸润性的病变🧸？该问题的解决能回答患者，可以选择什么时候做手术👰‍♂️。3、如果是浸润性的病变，那么它的风险等级是什么？（例如是高分化🪠、中分化还是低分化），该问题的解决能回答患者♜，如果手术，可以采取何种手术方式6️⃣。我们将以上三个问题称之为肺结节诊断的3W问题（Whether，When and Which）✸，为了解决以上问题，本研究提出了一个三阶段的EMV-3D-CNN模型。我们的模型在诊断良/恶性结节和浸润前病变/浸润性病变方面分别获得了91.3%和92.9%的AUC。尤其值得注意的是，我们的模型在浸润性腺癌的风险分级预测方面要优于影像科医生的判断，准确率达到了77.6%（即对浸润性腺癌进行的高👷🚂、中、低分化三个分类）。最后，为了方便医生和患者访问，我们将提出的模型实现为基于Web的系统（https://seeyourlung.com.cn）🧙🏿👩🏽‍🦲。

报告人简介：周静🧑🏻，中国人民大学统计K8凯发副教授、博士研究生导师，应用统计科学研究中心研究员，中国现场统计研究会统计交叉科学研究分会常务理事，北京大学光华管理K8凯发博士，研究方向为网络数据建模、人工智能在肺癌诊疗中的应用、医学图像分析等，在Npj digital medicine, BIBM, Journal of Business & Economic Statistics，Statistic Sinica，Computational Statistics and Data Analysis🧜，Neurocomputing，Science China Mathematics等nature子刊，统计学权威期刊发表论文二十余篇，授权发明专利3项，著有专著《社交网络数据：理论与实践》一本，主编两本深度学习教材《深度学习👨🏻‍🦯：基于Pytorch的实现》、《深度学习🛻🏄🏿：从入门到精通》，主持国家自然科学基金（青年👩🏼‍🏭、面上）、北京市社会科学基金、国家统计局重大🤌🏼、重点等多项国家级🪄、省部级以上课题。

本次活动受北京K8凯发平台娱乐代理官方网站专题学术讲座资助计划支持