检测 LSB 隐写术的工具 StegExpose
介绍了一种名为 QuST 的 QuPath 扩展，旨在解决数字病理学中深度学习和空间转录组学分析的数据格式和分析方法上的差异所导致的挑战。
May, 2024
使用深度学习的数字染色技术 PhaseStain 能将实验室内不需要标记的组织切片的量化相位图像转变成相当于组织经过染色的亮场显微镜图像的等效图像，以 Hematoxylin 和 Eosin，Jones' stain 和 Masson's trichrome stain 技术染色的实验室内标本数字染色，能减少化学染色的需求，降低样品制备成本和节省时间。
Jul, 2018
本文重点研究 SGX 的安全问题，重点论述了 side-channel 攻击和 cache-based 攻击，通过两个实例案例证明毫无干扰的内存监控能够抽取 SGX enclaves 内的敏感信息。
Feb, 2017
我们提出了一种基于深度学习的组织病理学数据压缩方法，通过压缩染色和 RGB 通道，并结合压缩自编码器来获得量化的潜在表示，从而在分类任务中展现出卓越的性能，同时基本保留了图像质量。
Jun, 2024
本文提出了一种利用人工智能技术的自动信号增强方案和基于深度神经网络的自适应细胞表征技术，以解决 LSIT 细胞成像手段的信号弱和手工特征限制的问题，提高了细胞成像的准确度和信噪比，实现了对新细胞类型的学习和自动分类。
Mar, 2022
该研究论文介绍了一种实用的基于深度学习的固体肿瘤相关建模工作流程（STAMP），使得可以直接从组织病理学图像中预测生物标志物。它包括问题定义、数据预处理、建模、评估和临床转化五个主要阶段，并且注重作为一个合作框架，为临床医生和工程师在计算病理学领域开展研究项目提供支持。
Dec, 2023
深度学习在病理学中的应用包括疾病预测和个体化治疗，研究表明，在计算机病理学中，传统的染色归一化处理在深度学习时代仍然存在争议，采用以自我监督学习训练的特征提取器可以在省内存和计算资源的同时不影响下游性能，同时对染色和图像扩增具有鲁棒性。
Nov, 2023
本研究介绍了 STimage-1K4M，这是一个包含基因表达信息的新型数据集，用于多模态数据分析和计算病理学等领域，为细胞病理学研究提供了前所未有的精细度。
Jun, 2024
利用全幅图像中的丰富信息，基于多实例学习的特征聚合技术可以利用预训练的 ResNet 主干提高准确率，为数字病理学中更强大的预后工具铺平了道路。
May, 2024