Pubblico
Ricerca sottoposta a revisione paritaria
Consulta le ricerche pubblicate, organizzate per ambito dell’IA applicata alla patologia.
Consulta la ricercaEvidenze e pubblicazioni
Ricerche peer-reviewed del nostro team, pubblicate nelle migliori riviste e conferenze
Evidenze e risorse
Centro evidenze e risorse
Parti dalla ricerca pubblica, quindi richiedi le informazioni specifiche per prodotto e mercato pertinenti alla tua valutazione.
Su richiesta
Richiesta di evidenze su prodotto e workflow
Richiedi evidenze circoscritte al prodotto, al workflow e alla destinazione d’uso oggetto di valutazione.
Richiedi evidenze pertinentiSu richiesta
Richiesta dello stato normativo attuale
Richiedi informazioni sullo stato del prodotto, della versione, della destinazione d’uso e del mercato pertinenti.
Richiedi lo stato attualeCome vengono condivise le evidenze
L’accesso è commisurato alla sensibilità delle informazioni e all’ambito della valutazione.
L1 · Pubblico
Ricerca sottoposta a revisione paritaria e informazioni generali sui prodotti disponibili su questo sito.
L2 · Richiesta qualificata
Evidenze circoscritte e informazioni di pianificazione possono essere condivise dopo una verifica dell’organizzazione e del caso d’uso.
L3 · Valutazione con NDA
I materiali dettagliati di natura tecnica, di sicurezza o di due diligence possono richiedere un accordo di riservatezza e un ambito di valutazione concordato.
Pianifica una valutazione interfunzionale
Usa queste domande per definire l’ambito delle evidenze e dell’implementazione prima di richiedere materiali dettagliati.
Clinica e patologia
Verifica la destinazione d’uso, la pertinenza della coorte, lo standard di riferimento, i limiti e la revisione umana richiesta.
Operatività del laboratorio
Esamina la capacità di vetrini, i criteri di accettazione, la gestione delle eccezioni, la formazione e la pianificazione del rollout.
IT e sicurezza
Mappa scanner e formati, integrazioni, distribuzione, flussi di dati, controlli di accesso, registrazione degli eventi e gestione delle modifiche.
Normativa e acquisti
Verifica il prodotto esatto, la versione, lo stato nel mercato, l’aggiornamento dei documenti, l’ambito del supporto e le ipotesi commerciali.
Richieste di risorse ad accesso controllato
Indicaci che cosa stai valutando, così il nostro team potrà indirizzarti al livello di informazioni appropriato.
Sintesi di validazione
Richiedi una sintesi circoscritta delle evidenze di validazione pertinenti a un prodotto e a una destinazione d’uso.
Richiedi una sintesi di validazioneMatrice di compatibilità
Chiedi al nostro team di confermare gli scanner, i formati e i requisiti di integrazione del workflow pertinenti al tuo ambiente.
Richiedi una verifica di compatibilitàGuida all’implementazione
Richiedi informazioni di pianificazione commisurate all’ambito di implementazione, ai ruoli coinvolti e al processo di validazione.
Richiedi indicazioni per l’implementazionePacchetto normativo e di sicurezza
Richiedi informazioni normative e di sicurezza specifiche per prodotto, versione e mercato, adeguate alla tua valutazione.
Richiedi il pacchetto di valutazione
Ricerca in evidenza
Pubblicazioni in Evidenza
Ricerche ad alto impatto del nostro team nelle principali sedi scientifiche
Nature Mach. Intell.
2019
Pathologist-level Interpretable Whole-slide Cancer Diagnosis with Deep Learning
Zhang, Z., Chen, P., McGough, M., ..., Cui, L., ..., Yang, L.
Leggi l'Articolo 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.
Leggi l'Articolo 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.
Leggi l'Articolo IEEE TMIPubblicazioni per tema
Esplora ricerche peer-reviewed organizzate intorno ai temi centrali della nostra piattaforma di IA per la patologia.
Modelli fondazionali
Grandi modelli patologici multimodali e generativi che unificano la comprensione di patch, referti e vetrini completi.
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
Applicazioni
Metodi specifici per task e collaborazioni cliniche che spaziano tra rilevamento, classificazione, sintesi, segmentazione e supporto decisionale.
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
Suite di valutazione e studi di robustezza che misurano le prestazioni dell'IA patologica a livello di patch e di intero vetrino.
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
Impatto della ricerca
La Nostra Impronta nella Ricerca
Pubblicati In
Nature Machine Intelligence
CVPR / ECCV / NeurIPS
AAAI / ACM MM
MICCAI
IEEE TMI / TNNLS
Neural Networks
Interessati a collaborare con il nostro team di ricerca?
Accogliamo con piacere partnership con istituzioni accademiche, organizzazioni sanitarie e leader del settore.