近期，国际医学影像领域的顶级学术盛会——医学图像计算与计算机辅助干预大会（Medical Image Computing and Computer Assisted Intervention）在韩国大田成功举办。作为全球医学影像与计算机辅助诊断领域的权威会议，MICCAI每年吸引着世界各地顶尖学术机构和科研团队的积极参与。
在本届会议上，华东师范大学通信与电子工程学院王妍教授团队博士生张玲的论文《Historical Report Guided Bi-modal Concurrent Learning for Pathology Report Generation》基于其创新的病理报告生成系统，荣获最佳计算病理论文奖（Best Computational Pathology Paper）。
传统的病理报告生成依赖于病理专家的人工阅片和知识积累，效率低且容易受人为因素影响。为了解决这一问题，论文《Historical Report Guided Bi-modal Concurrent Learning for Pathology Report Generation》提出了一种创新的AI病理报告生成系统。
显微镜阅片与AI阅片的背景说明
AI阅片的两大难点
该系统模拟病理专家的阅片流程，结合历史病理报告中的知识与现代图像分析技术，实现了全自动化的病理报告生成。通过视觉支路提取图像特征，并利用知识支路辅助判断，系统不仅能够识别肿瘤类型、边界状态和组织学分级等关键信息，还能显著提高报告生成的效率与准确性。
论文研究思路
论文框架
该方法在TCGA乳腺癌数据集上进行了验证，生成的报告与真实报告高度一致，且模型的关注区域精准对应肿瘤组织。通过引入历史报告作为辅助信息，该系统展现了在病理诊断中的巨大潜力，特别是在提高诊断效率和减少误诊率方面，具有显著优势。
论文可视化结果
团队介绍
本研究的通讯作者为王妍教授，第一作者张玲为其博士生。王妍教授是国家级青年人才、上海市高层次人才及紫江优秀青年学者，长期从事医学图像分析与分割、多维成像技术的研究，谷歌学术引用近15000次，目前担任多个SCI期刊的客座编辑，并主持多项国家级和省部级科研项目。
近年来，获奖团队专注于人工智能与医学图像处理的交叉研究。在医学图像分析、分割与多维成像技术方面，团队成员已发表超过70篇学术论文，涵盖IEEE Transactions on PAMI、IEEE Transactions on Image Processing、IEEE Transactions on Medical Imaging等知名期刊和会议。
