长期专注于生物医学人工智能的理论与应用研究，其主要研究成果涵盖眼科、肿瘤科、骨科、放射科等领域，实验室综合利用电子健康记录结构化信息、医学病理和影像、生物组学信息等充分挖掘人工智能在医学诊断、治疗和预后中的潜能。

实验室与北京协和医院、中山大学中山眼科中心、第四军医大学西京医院、中国医学科学院协和医院、上海交通大学新华医院、复旦大学附属中山医院、复旦大学附属肿瘤医院、上海中医药大学附属龙华医院、天津市肿瘤医院等顶尖医疗机构达成了长期稳定的合作。实验室与中山大学国家超级计算广州中心及天河二号在多个项目的云平台部署和高性能计算方面形成了融洽的合作关系。

实验室的研究成果多发表于国外权威期刊，包括Nature Communications、Nature Biomedical Engineering、GUT等。实验室获得国家重点研发计划和国家自然科学基金项目的支持，持续深耕生物医疗人工智能领域。 

科研成果

(1) Predicting gastric cancer outcome from resected lymph node histopathology images using deep learning（NC 2021）

研究成果发表在NatureCommunications上

基于淋巴结组织结构的细粒度密集标注示例

淋巴结临床病理人工智能诊断系统可准确识别微转移

与上海龙华医院于观贞教授、长海医院陈颖教授等团队合作，开展胃癌淋巴结转移预后预测的AI研究,研发针对胃癌淋巴结病理临床诊断与精准亚分期的AI系统。双中心回顾性临床试验结果表明该系统可显著提升病理医生诊断胃癌淋巴结病理切片的效率，避免大量由肿瘤淋巴结微转移引起的漏诊。此外，还探索了基于准确量化病理图像信息的预后信息挖掘。

(2) Exploring prognostic indicators in the pathological images of hepatocellular carcinoma based on deep learning (GUT 2020)

研究成果发表在GUT上

肝癌病理数据预后分析的深度学习框架

TRS的预后性能验证

与复旦大学附属中山医院高强教授团队深度合作，针对肝癌病理图像与临床信息，探索基于深度学习的癌症预后预测与病理图像相关特征挖掘的新方法。通过中山医院大规模的肝癌病理组织图像数据集，构建了肝癌病理组织分类与预后预测系统，显著提高了患者预后生存风险的预测准确性。使用TCGA-HCC数据集作为独立验证集，验证了该系统的泛化能力。

(3) Dense anatomical annotation of slit-lamp images improves the performance of deep learning for the diagnosis of ophthalmic disorders (BME 2020)

与中山大学眼科中心林浩添教授团队合作，首创一种基于解剖学和病理学特征的医学图像密集标注方法—Visionome技术，可智能、高效诊断多种眼病，目前已进入临床转化应用。该研究利用类似DNA序列分割的原理对医学图像进行分割，建立Visionome密集标注标准流程和数据集，使用该数据集，进一步研发可针对多种眼前段疾病进行多区域识别和分类的裂隙灯图像智能评估系统。

研究成果发表在Nature Biomedical Engineering上

Visionome技术的计算框架

根据解剖学和病理学对医学图像进行密集注释标准技术-Visionome

(4) An artificial intelligence platform for the multihospital collaborative management of congenital cataracts (BME 2017)

研究成果发表在Nature Biomedical Engineering上

基于云的多医院AI平台

自动诊断先天性白内障

与中山大学眼科中心林浩添教授团队合作研究先天性白内障诊断的人工智能方法。通过提炼医生诊断经验，采用眼科影像的预处理和后处理，以及深层卷积神经网络等方法，研发一个先天性白内障筛查的原型诊疗系统CC-Cruiser，并以云服务的形式辅助医生完成先天性白内障的自动诊断。自2017年4月上线以来，已为3000余位白内障患儿提供了临床诊断和决策。