随着 AI 技术在医疗领域的广泛应用，极大地推动了“精准医疗”的发展。同时，病理科工作量的增加，也让传统病理诊断模式在“精准医疗”时代其主观性及不可准确量化的弊端日渐显露。

而数字病理图像分析为人工智能和病理学搭建了桥梁，基于人工智能对数字病理图像诊断逐渐从定性分析逐渐发展为定量分析，极大地促进了数字化病理的发展，也在一定程度上减少病理科医生的工作量，提高诊断的质量与效率。

当然，基于人工智能的数据病理图像分析的背后，是需要以更多的计算能力为代价实现的。为了让大家进一步全面了解基于人工智能的数字组织病理学图像定量评估模型，以及其背后的算力需求、数据存储等是如何解决的，9月26日晚7点，智东西公开课联合超集信息策划推出的「AI 医学影像分析在线研讨会·数字病理图像分析专场」将开讲。

研讨会邀请到西交利物浦大学人工智能与先进计算学院助理教授刘净心和超集信息解决方案部高级硬件工程师黄晓静参与主讲，主题分别为《基于人工智能的数字病理图像分析》、《GPU 加速的生物医学成像基础方案建设》。

西交利物浦大学人工智能与先进计算学院助理教授刘净心：基于人工智能的数字病理图像分析

随着临床病理诊断应用的不断增加和全切片成像扫描仪的出现，人们对计算机辅助病理诊断系统的需求日益增长，希望辅助系统可以提供更精确的定量评估结果，支持病理学家的决策过程。

本次分享将首先回顾数字病理与病理人工智能，并基于刘净心教授在工业界和学术界的数字病理学研究经验，详细讲解多种基于人工智能的数字组织病理学图像定量评估模型。

超集信息解决方案部高级硬件工程师黄晓静：GPU 加速的生物医学成像基础方案建设

生物医学成像技术是一项应用广泛且发展迅速的技术。如今，随着科技技术的不断进步，生物医学成像技术也在不断发展，涵盖范围越来越广，这对于研究和治疗疾病都具有非常重要的意义。

在计算机领域加速计算和AI正在强效助力新一代医疗设备和医学研究方面，在生物医学成像方面有着进一步的改善。那么生物医学成像领域中怎么结合高性能计算进行实现？数据训练方面需怎样的算力需求？面对大量的影像数据存储的问题又该怎么解决？此次结合实际场景将分享超集信息在生物医学成像领域里如何做到应用实现，针对于不同的场景应用做全面的服务。