Public
Recherche évaluée par les pairs
Consultez les recherches publiées, classées par thème d’IA appliquée à la pathologie.
Consulter les recherchesPreuves et publications
Recherches évaluées par les pairs de notre équipe, publiées dans les revues et conférences de premier plan
Preuves et ressources
Centre de preuves et de ressources
Commencez par les recherches publiques, puis demandez les informations spécifiques au produit et au marché pertinentes pour votre évaluation.
Sur demande
Demande de preuves sur le produit et le flux de travail
Demandez des éléments de preuve adaptés au produit, au flux de travail et à l’usage prévu faisant l’objet de l’évaluation.
Demander les preuves pertinentesSur demande
Demande de statut réglementaire actuel
Demandez le statut correspondant au produit, à la version, à l’usage prévu et au marché concernés.
Demander le statut actuelModalités de partage des preuves
L’accès est adapté à la sensibilité des informations et au périmètre de l’évaluation.
L1 · Public
Recherches évaluées par les pairs et informations générales sur les produits disponibles sur ce site.
L2 · Demande qualifiée
Des preuves ciblées et des informations de planification peuvent être communiquées après examen de l’organisation et du cas d’usage.
L3 · Examen sous accord de confidentialité
Les documents techniques, de sécurité ou de diligence détaillés peuvent nécessiter un accord de confidentialité et un périmètre d’examen convenu.
Planifier une revue interfonctionnelle
Utilisez ces questions pour définir le périmètre des preuves et de la mise en œuvre avant de demander des documents détaillés.
Clinique et pathologie
Confirmez l’usage prévu, la pertinence de la cohorte, le standard de référence, les limites et la revue humaine requise.
Opérations du laboratoire
Examinez la capacité en lames, les critères d’acceptation, la gestion des exceptions, la formation et la planification du déploiement.
Informatique et sécurité
Cartographiez les scanners et les formats, les intégrations, le déploiement, les flux de données, les contrôles d’accès, la journalisation et la gestion des changements.
Réglementation et achats
Vérifiez le produit exact, la version, le statut sur le marché, l’actualité des documents, le périmètre d’assistance et les hypothèses commerciales.
Demandes de ressources à accès contrôlé
Indiquez-nous ce que vous évaluez afin que notre équipe vous oriente vers le niveau d’information approprié.
Synthèse de validation
Demandez une synthèse ciblée des preuves de validation pertinentes pour un produit et un usage prévu.
Demander une synthèse de validationMatrice de compatibilité
Demandez à notre équipe de confirmer les scanners, les formats et les exigences d’intégration au flux de travail pertinents pour votre environnement.
Demander une analyse de compatibilitéGuide de mise en œuvre
Demandez des informations de planification adaptées à votre périmètre de déploiement, aux rôles concernés et au processus de validation.
Demander des conseils de mise en œuvreDossier réglementaire et de sécurité
Demandez les informations réglementaires et de sécurité adaptées à votre évaluation, selon le produit, la version et le marché.
Demander le dossier d’évaluation
Recherche en vedette
Publications mises en avant
Recherches à fort impact de notre équipe dans les meilleures conférences
Nature Mach. Intell.
2019
Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning
Zhang, Z., Chen, P., McGough, M., ..., Cui, L., ..., Yang, L.
Lire l'article Nature MI
CVPR 2023
CCF-A
Task-specific Fine-tuning via Variational Information Bottleneck for Weakly-supervised Pathology WSI Classification
Li, H., Zhu, C., Zhang, Y., Sun, Y., Shui, Z., Kuang, W., Zheng, S., Yang, L.
Lire l'article CVPR 2023
TMI 2025
ToPoFM: Topology-Guided Pathology Foundation Model for High-Resolution Pathology Image Synthesis with Cellular-Level Control
Li, J., Zhu, C., Zheng, S., Chen, P., Sun, Y., Li, H., Yang, L.
Lire l'article IEEE TMIPublications par thème
Explorez des recherches évaluées par les pairs organisées autour des thèmes centraux de notre plateforme d'IA pour la pathologie.
Modèles fondamentaux
De grands modèles pathologiques multimodaux et génératifs qui unifient la compréhension des patchs, des comptes rendus et des lames entières.
TMI
ToPoFM: Topology-Guided Pathology Foundation Model for High-Resolution Pathology Image Synthesis with Cellular-Level Control
Li, J., Zhu, C., Zheng, S., Chen, P., Sun, Y., Li, H., Yang, L. · IEEE Trans. Medical Imaging · 2025
CVPR
CPath-Omni: A Unified Multimodal Foundation Model for Patch and Whole Slide Image Analysis in Computational Pathology
Sun, Y., Si, Y., Zhu, C., Gong, X., Zhang, K., Chen, P., Zhang, Y., Shui, Z., Lin, T., Yang, L. · CVPR 2025 (CCF-A) · 2025
ICLR
PathGen-1.6M: 1.6 Million Pathology Image-text Pairs Generation through Multi-agent Collaboration
Sun, Y., Zhang, Y., Si, Y., Zhu, C., Zhang, K., Shui, Z., Li, J., Gong, X., Lyu, X., Lin, T., Yang, L. · ICLR 2025 (Oral) · 2025
AAAI
PathAsst: A Generative Foundation AI Assistant towards Artificial General Intelligence of Pathology
Sun, Y., Zhu, C., Zheng, S., Zhang, K., Sun, L., Shui, Z., Zhang, Y., Li, H., Yang, L. · AAAI 2024 (CCF-A, Oral) · 2024
ECCV
WSI-VQA: Interpreting Whole Slide Images by Generative Visual Question Answering
Chen, P., Zhu, C., Zheng, S., Li, H., Yang, L. · ECCV 2024 (CCF-A) · 2024
ACM MM
PathUp: Patch-wise Timestep Tracking for Multi-class Large Pathology Image Synthesising Diffusion Model
Li, J., Zheng, S., Zhu, C., Sun, Y., Chen, P., Shui, Z., Zhang, Y., Li, H., Yang, L. · ACM MM 2024 (CCF-A, Oral) · 2024
MICCAI
WSICaption: Multiple Instance Generation of Pathology Reports for Gigapixel Whole-Slide Images
Chen, P., Li, H., Zhu, C., Zheng, S., Shui, Z., Yang, L. · MICCAI 2024 (CCF-B, Oral) · 2024
Applications
Méthodes orientées tâche et collaborations cliniques couvrant la détection, la classification, la synthèse, la segmentation et l'aide à la décision.
STTT
Spatially interpretable artificial intelligence framework to tailored neoadjuvant dual HER2 blockade in HER2-positive breast cancer
Wu, X.-R., Lv, H., Zhao, S., Zeng, X.-H., Dai, L.-J., Xu, Y.-Z., Li, Y.-W., Qiu, Z.-Y., Huang, J.-T., Zhang, N.-N., Chen, L., He, M., Zhao, Y.-Z., Yang, L., Zhou, T., Li, J.-J., Wu, J., Jiang, Y.-Z., Yang, W.-T., Di, G.-H., Shao, Z.-M., Ma, D. · Signal Transduction and Targeted Therapy · 2026
npj Breast
HER2-low and ultralow expression of invasive breast carcinoma: clinicopathological features and immunohistochemical consistency analysis
Dong, Y.-h., Xu, Y.-t., Jiang, X.-z., Xu, L., Yu, R.-j., Wang, R., Zhang, Q.-f. · npj Breast Cancer · 2026
Protocol
Veri-HER2UL: A prospective, multicenter, single-arm study validating T-DXd benefit in AI-reinterpreted HER2-ultralow unresectable or metastatic breast cancer
West China Hospital, Sichuan University · Clinical Study Protocol · 2026
USCAP
Differentiation Between HER2 Ultra-Low and HER2 Null Breast Cancers Using an AI Support Tool: A Multi-Site Study
Provenzano, E. · USCAP 2025 Oral Presentation · 2025
USCAP
Artificial Intelligence Assisted Assessment of HER2-ultralow and HER2-low Immunohistochemical Scoring in Breast Cancer Core Needle Biopsy Specimens
Li, M., Cai, M., Lv, H., Zhou, S., Lin, M., Shui, R., Yang, W. · USCAP 2024 · 2024
SABCS
The Advantage of Artificial-Intelligence in HER2 IHC 0 and 1+ Scoring in Breast Cancer
Li, M., Lv, H., Zhao, Y., Zhu, C., Li, H., Lin, M., Yang, W. · San Antonio Breast Cancer Symposium · 2023
Allergy
Artificial Intelligence-Based Pathological Subtype Diagnosis of Nasal Polyps: A Multidimensional and Micro-Visualization Study
Luo, X., Li, H., Chen, J., Zhou, Z., Zhou, L., Luo, R., ..., Cui, L., Yang, L., Yang, Q. · Allergy · 2026
ICASSP
Stable Test-Time Training for Semantic Segmentation with Output Contrastive Loss
Zhang, Y., Shui, Z., Li, H., Sun, Y., Zhu, C., Yang, L. · ICASSP 2025 (CCF-B) · 2025
Cancer Cell
Spatial determinants of antibody-drug conjugate SHR-A1811 efficacy in neoadjuvant treatment for HER2-positive breast cancer
Ma, D., Dai, L.-J., Wu, X.-R., Liu, C.-L., Zhao, S., Zhang, H., Chen, L., Xiao, Y., Li, M., Zhao, Y.-Z., ... · Cancer Cell · 2025
ECCV
Attention-Challenging Multiple Instance Learning for Whole Slide Image Classification
Zhang, Y., Li, H., Sun, Y., Zheng, S., Zhu, C., Yang, L. · ECCV 2024 (CCF-A) · 2024
ECCV
Unleashing the Power of Prompt-Driven Nucleus Instance Segmentation
Shui, Z., Zhang, Y., Yao, K., Zhu, C., Zheng, S., Li, J., Li, H., Sun, Y., Guo, R., Yang, L. · ECCV 2024 (CCF-A) · 2024
NeurIPS
Rethinking Transformer for Long Contextual Histopathology Whole Slide Image Analysis
Li, H., Zhang, Y., Chen, P., Shui, Z., Zhu, C., Yang, L. · NeurIPS 2024 (CCF-A) · 2024
AAAI
DPA-P2PNet: Deformable Proposal-Aware P2PNet for Accurate Point-Based Cell Detection
Shui, Z., Zheng, S., Zhu, C., Zhang, S., Yu, X., Li, H., Li, J., Chen, P., Yang, L. · AAAI 2024 (CCF-A) · 2024
Neural Net.
Gradient-Aware Learning for Joint Biases: Label Noise and Class Imbalance
Zhang, S., Zhu, C., Li, H., Cai, J., Yang, L. · Neural Networks · 2024
CSBJ
Performance of a HER2 Testing Algorithm Tailored for Urothelial Bladder Cancer: A Bi-centre Study
Huang, A., Zhao, Y., Guan, F., Zhang, H., ... · Computational and Structural Biotechnology Journal · 2024
ICME
Context-Aware Text-Assisted Multimodal Framework for Cervical Cytology Cell Diagnosis and Chatting
Sun, Y., Zhu, C., Zheng, S., Zhang, Y., Li, H., Yang, L. · ICME 2024 (CCF-B) · 2024
ICASSP
HLS-FGVC: Hierarchical Label Semantics Enhanced Fine-Grained Visual Classification
Zhang, S., Zheng, S., Shui, Z., Yang, L. · ICASSP 2024 (CCF-B) · 2024
BIBM
Multi-modal Learning with Missing Modality in Predicting Axillary Lymph Node Metastasis
Zhang, S., Zheng, S., Shui, Z., Li, H., Yang, L. · BIBM 2024 (CCF-B) · 2024
CVPR
Task-specific Fine-tuning via Variational Information Bottleneck for Weakly-supervised Pathology WSI Classification
Li, H., Zhu, C., Zhang, Y., Sun, Y., Shui, Z., Kuang, W., Zheng, S., Yang, L. · CVPR 2023 (CCF-A) · 2023
MICCAI
Segment Membranes and Nuclei from Histopathological Images via Nuclei Point-Level Supervision
Li, H., Xu, Z., Zhou, M., Shi, X., Kang, Y., Bu, Q., Lv, H., Li, M., Lin, M., Cui, L., Feng, J., Yang, W., Yang, L. · MICCAI 2023 (CCF-B) · 2023
TMI
Masked Conditional Variational Autoencoders for Chromosome Straightening
Li, J., Zheng, S., Shui, Z., Zhang, S., Yang, L., Sun, Y., Zhang, Y., Li, H., ... · IEEE Trans. Medical Imaging · 2023
MICCAI
Exploring Unsupervised Cell Recognition with Prior Self-Activation Maps
Chen, P., Zhu, C., Shui, Z., Cai, J., Zheng, S., Zhang, S., Yang, L. · MICCAI 2023 (CCF-B) · 2023
MICCAI
End-to-End Cell Recognition by Point Annotation
Shui, Z., Zhang, S., Zhu, C., Wang, B., Chen, P., Zheng, S., Yang, L. · MICCAI 2022 (CCF-B) · 2022
MICCAI
ChrsNet: Chromosome Straightening Using Self-Attention Guided Networks
Zheng, S., Li, J., Shui, Z., Zhu, C., Zhang, Y., Chen, P., Yang, L. · MICCAI 2022 (CCF-B) · 2022
ISBI
Weakly Supervised Learning for Cell Recognition in Immunohistochemical Cytoplasm Staining Images
Zhang, S., Zhu, C., Li, H., Cai, J., Yang, L. · ISBI 2022 · 2022
ISBI
Category Separation For Weakly Supervised Multi-Class Cell Counting
Cai, J., Zhu, C., Chen, P., Zhang, S., Li, H., Sun, Y., Yang, L. · ISBI 2022 · 2022
ISBI
Weakly Supervised Classification Using Multi-Level Instance-Aware Optimization on Cervical Cytologic Image
Zhu, C., Sun, Y., Li, H., Cui, C., Zhang, S., Cai, J., Ling, Y. · ISBI 2022 · 2022
MICCAI
Generalizing Nucleus Recognition Model in Multi-Source Ki67 Immunohistochemistry Stained Images via Domain-Specific Pruning
Cai, J., Zhu, C., Cui, C., Li, H., Wu, T., Zhang, S., Yang, L. · MICCAI 2021 (CCF-B) · 2021
J. Transl. Med.
Automated Tumor Proportion Scoring for PD-L1 Expression Based on Multistage Ensemble Strategy in NSCLC
Pan, B., Kang, Y., Jin, Y., Yang, L., Zheng, Y., Cui, L., Sun, J., Feng, J., Li, Y., Guo, L., Liang, Z. · J. Translational Medicine · 2021
AI Med.
Rule-based automatic diagnosis of thyroid nodules from intraoperative frozen sections using deep learning
Li, Y., Chen, P., Li, Z., Su, H., Yang, L., Zhong, D. · Artificial Intelligence in Medicine · 2020
Nature Mach. Intell.
Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning
Zhang, Z., Chen, P., McGough, M., ..., Cui, L., ..., Yang, L. · Nature Machine Intelligence · 2019
Benchmark
Suites d'évaluation et études de robustesse mesurant les performances de l'IA en pathologie au niveau du patch et de la lame entière.
TMI
PathBench: Advancing the Benchmark of Large Multimodal Models for Pathology Image Understanding at Patch and Whole Slide Level
Sun, Y., Wu, H., Zhu, C., Si, Y., Chen, Q., Zhang, Y., Zhang, K., Li, J., Cai, J., Wang, Y., ... · IEEE Trans. Medical Imaging · 2025
ECCV
PathMMU: A Massive Multimodal Expert-Level Benchmark for Understanding and Reasoning in Pathology
Sun, Y., Wu, H., Zhu, C., Zheng, S., Chen, Q., Zhang, K., Zhang, Y., Wan, D., Lan, X., ... · ECCV 2024 (CCF-A, Oral) · 2024
JIIM
Benchmarking PathCLIP for Pathology Image Analysis
Zheng, S., Cui, X., Sun, Y., Li, J., Li, H., Zhang, Y., Chen, P., Jing, X., Ye, Z., Yang, L. · J. Imaging Informatics in Medicine · 2024
ICASSP
Assessing the Robustness of Deep Learning-Assisted Pathological Image Analysis Under Practical Variables of Imaging System
Sun, Y., Zhu, C., Zhang, Y., Li, H., Chen, P., Yang, L. · ICASSP 2023 (CCF-B) · 2023
MICCAI
Benchmarking the Robustness of Deep Neural Networks to Common Corruptions in Digital Pathology
Zhang, Y., Sun, Y., Li, H., Zheng, S., Zhu, C., Yang, L. · MICCAI 2022 (CCF-B) · 2022
Impact de la recherche
Notre empreinte de recherche
Publié dans
Nature Machine Intelligence
CVPR / ECCV / NeurIPS
AAAI / ACM MM
MICCAI
IEEE TMI / TNNLS
Neural Networks
Intéressé par une collaboration avec notre équipe de recherche ?
Nous accueillons les partenariats avec les institutions académiques, les organisations de santé et les leaders de l'industrie.