肺癌是中国及世界发病率和死亡率均居第一位的恶性肿瘤，对其进行早期筛查和准确诊断是极为重要的。组织学病理图像是癌诊断的金标准，通过对病理图像进行分析，可对病理做出诊断。但此项工作需要大量的人力，要求病理医生具有相当丰富的临床经验和知识储备，其结果严重依赖于该医生的主观评判和操作。为了快速准确且客观的对病理图像进行分析，团队提出了基于深度学习的肺部病理图像分类技术。该技术首先将整张切片切分成固定大小的小块，在切分过程中去除白块，然后通过构建的基于深度学习分类模型自动将每一小块病理图像分为肺腺癌、硬化性肺细胞瘤和正常肺组织三类，分类准确率高达99%，最后将小块的预测类别按照在原病理图像中的位置拼在一起，可视化的展现出来，实现病灶区域的划分。该技术可用于病理图像分析，辅助医生进行诊断和治疗。
