Público
Investigación revisada por pares
Consulte la investigación publicada, organizada por temas de IA aplicada a la patología.
Consultar la investigaciónEvidencia y publicaciones
Investigación revisada por pares de nuestro equipo, publicada en revistas y conferencias de primer nivel
Evidencia y recursos
Centro de evidencia y recursos
Comience con la investigación pública y solicite después la información específica del producto y del mercado que sea relevante para su evaluación.
Solicitud
Solicitud de evidencia sobre productos y flujos de trabajo
Solicite evidencia adaptada al producto, al flujo de trabajo y al uso previsto que se estén evaluando.
Solicitar evidencia relevanteSolicitud
Solicitud del estado regulatorio actual
Solicite información sobre el estado del producto, la versión, el uso previsto y el mercado pertinentes.
Solicitar el estado actualCómo compartimos la evidencia
El acceso se adapta a la sensibilidad de la información y al alcance de la evaluación.
L1 · Público
Investigación revisada por pares e información general sobre productos disponibles en este sitio web.
L2 · Solicitud cualificada
La evidencia específica y la información de planificación pueden compartirse tras revisar la organización y el caso de uso.
L3 · Revisión con acuerdo de confidencialidad
La documentación técnica, de seguridad o de diligencia debida detallada puede requerir un acuerdo de confidencialidad y un alcance de revisión acordado.
Planifique una revisión interfuncional
Utilice estas preguntas para definir el alcance de la evidencia y la implementación antes de solicitar documentación detallada.
Aspectos clínicos y patología
Confirme el uso previsto, la relevancia de la cohorte, el estándar de referencia, las limitaciones y la revisión humana necesaria.
Operaciones de laboratorio
Revise la capacidad de portaobjetos, los criterios de aceptación, la gestión de excepciones, la formación y la planificación del despliegue.
TI y seguridad
Documente los escáneres y formatos, las integraciones, el despliegue, el flujo de datos, los controles de acceso, los registros y la gestión de cambios.
Aspectos regulatorios y compras
Verifique el producto exacto, la versión, el estado en el mercado, la vigencia de los documentos, el alcance del soporte y los supuestos comerciales.
Solicitudes de recursos con acceso controlado
Indíquenos qué está evaluando para que nuestro equipo pueda facilitarle el nivel de información adecuado.
Resumen de validación
Solicite un resumen específico de la evidencia de validación relevante para un producto y un uso previsto.
Solicitar un resumen de validaciónMatriz de compatibilidad
Pida a nuestro equipo que confirme los escáneres, formatos y requisitos de integración del flujo de trabajo pertinentes para su entorno.
Solicitar una revisión de compatibilidadGuía de implementación
Solicite información de planificación adaptada al alcance de su implementación, a las funciones implicadas y al proceso de validación.
Solicitar orientación para la implementaciónPaquete regulatorio y de seguridad
Solicite información regulatoria y de seguridad específica del producto, la versión y el mercado que sea adecuada para su evaluación.
Solicitar el paquete de revisión
Investigación destacada
Publicaciones destacadas
Investigación de alto impacto de nuestro equipo en las principales conferencias
Nature Mach. Intell.
2019
Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning
Zhang, Z., Chen, P., McGough, M., ..., Cui, L., ..., Yang, L.
Leer artículo 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.
Leer artículo 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.
Leer artículo IEEE TMIPublicaciones por tema
Explore investigaciones revisadas por pares organizadas en torno a los temas centrales de nuestra plataforma de IA para patología.
Modelos fundacionales
Grandes modelos patológicos multimodales y generativos que unifican la comprensión de parches, informes y portaobjetos completos.
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
Aplicaciones
Métodos específicos por tarea y colaboraciones clínicas que abarcan detección, clasificación, síntesis, segmentación y apoyo a la decisión.
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
Conjuntos de evaluación y estudios de robustez que miden el rendimiento de la IA en patología a nivel de parche y portaobjetos completo.
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
Impacto de la investigación
Nuestra huella investigadora
Publicado en
Nature Machine Intelligence
CVPR / ECCV / NeurIPS
AAAI / ACM MM
MICCAI
IEEE TMI / TNNLS
Neural Networks
¿Interesado en colaborar con nuestro equipo de investigación?
Damos la bienvenida a colaboraciones con instituciones académicas, organizaciones de salud y líderes de la industria.