近日，山西大学物理电子工程学院智能感知与计算团队在图像处理领域取得突破性进展。其研究成果”NSB-H2GAN: ‘Negative Sample’-boosted Hierarchical Heterogeneous Graph Attention Network for Interpretable Classification of Whole-Slide Images”发表于图像处理领域国际顶级期刊 IEEE Transactions on Image Processing（简称TIP，影响因子:13.7）。山西大学为第一单位和通讯单位。其中，学校梁美彦教授为论文第一作者，硕士生张舒鹏为论文第二作者，通讯作者为贾晓军教授，合作者为山西白求恩医院王琳副主任医师。山西省荣军医院李波副主任医师参与讨论，为研究提供了宝贵建议。
病理全切片图像是临床疾病诊断的“金标准”，但其超十亿像素级的庞大规模和复杂的组织异质性，使传统人工智能模型面临特征表示不充分的问题，进而导致微小病灶漏诊。为此，研究团队开创性提出多尺度分层异构网络，该技术通过构建跨尺度层次化异构图模型，实现了病理图像中关键特征的精细化表征。突破传统图架构的同质化处理局限，创新性引入分层异构图表示算法，从百亿级像素中精准筛选异构样本，解决了现有图神经网络特征表示不充分的问题。实验表明，该模型无论是在病理全切片二分类任务还是多分类任务中的表现都显著优于主流方法，尤其在对早期微转移灶的定位能力上，可定位200×200微米的转移病灶。
研究获国家自然科学基金（11804209）、中国博士后科学基金（2023M742577）、山西省自然科学基金面上项目（202303021211014）和山西省回国留学人员科研项目（2023-010）等的支持。（通讯员：张颖）
