2023年1月10日上午，智慧医疗研究院的鲁浩达同学顺利通过了题为《基于组织形态学分析的小鼠生精管自动分期》博士学位论文答辩。答辩委员会成员包括东南大学计算机科学与工程学院陈阳教授，新加坡科技局（A*Star）生物信息研究所余维淼教授，南京大学鼓楼医院病理科樊祥山教授，美国西北大学医学院生殖科学研究中心、南京医科大学生殖医学国家重点实验室徐宇君教授，东北大学医学与生物信息工程学院李晨教授，南京信息工程大学计算机学院付章杰教授、袁晓彤教授，南京信息工程大学人工智能学院（未来技术学院）王向学副教授，由陈阳教授任答辩主席。焦一平老师为答辩秘书。答辩委员会委员的背景跨越了临床医学、生殖医学、生物医学、计算机、人工智能等多个学科，委员来自中国、美国、新加坡共三个国家。鲁浩达同学博士论文答辩完成，标志着智慧医疗研究院在生殖医学领域的研究进入了新的阶段。

答辩海报

鲁浩达同学的博士学位论文针对H&E染色的小鼠生精管图像，首次建立了基于组织形态学的精细智能分期系统，主要的工作包括：

1、作为精细分期系统的基础，针对生精管分割、初始分期语义分割、多类型生殖细胞分割等问题，提出了边缘重叠滑窗、多尺度学习、多任务学习等策略，有效提升了各任务的分割性能、鲁棒性与泛化性；

2、针对生精管早期、中期、晚期各组内的精细分期问题，利用组织病理学形态的先验知识，提取细胞形态学、空间拓扑结构、细胞方向与纹理等丰富量化特征，并结合特征选择算法与机器学习模型实现自动分期，其分期准确度已经达到了具有五年从业经验的病理医生水平。

3、在具体的精细分期问题中，引入了DtG滤波器、病理无关与病理相关的自监督辅助任务、纹理特征可视化、Grad-CAM等技术，有效提升了分期系统的精度与可解释性。

鲁浩达博士论文篇章结构

该精细分期系统可用于辅助生殖医学领域展开针对生精管发育缺陷导致的雄性不育问题的定量化研究，也为其他计算病理研究提供了新的解决思路。未来将进一步针对基因缺陷小鼠的生精管展开研究，以探寻生精发育缺陷背后的复杂机制。

答辩专家合影

研究院关于生精管切片分析的工作起源于2017年初，智慧医疗研究院徐军教授和南京医科大学生殖医学国家重点实验室徐宇君教授在一次学术会议中的偶然交流，促成了这一项合作。该系列工作首次基于组织形态学定量分析建立了小鼠睾丸常规H&E切片的智能生精管自动分期系统。目前计算病理领域的工作多数聚焦于肿瘤病理，本工作面向非肿瘤病理，具有很大的挑战性，很多技术路线均为首次尝试，也是生精管组织病理图像分析方面的开创性工作。与目前基于荧光成像的分析方法相比，该工作面向常规H&E切片，具有更好的实用性和推广性，但其技术难度陡增。

鲁浩达同学经过5年多的刻苦研究与持之以恒的努力，克服了诸多困难，成功建立了基于H&E的小鼠生精管自动分析系统。这一系列工作得到了美国UIUC男性生殖病理学著名专家Rex A Hess、俄勒冈州健康与科学大学男性不育遗传分析领域著名学者Don Conrad教授团队等关注，论文发表后得到了美国麻省理工学院-哈佛MIT-Harvad多学科融合研究所，麻省理工电气工程与计算机系、数据科学系、哈佛大学病理系、生物统计系、麻省总医院精神病学系、哈佛大学干细胞与再生生物学系、俄勒冈州健康与科学大学美国国家灵长类动物研究中心（美国七大联邦资助的国家研究中心之一）遗传学系、匈牙利Semmelweis大学妇产科系、病理系、心理系等多学科专家的共同关注和引用。

南京医科大学生殖医学国家重点实验室&美国西北大学医学院徐宇君教授

鲁浩达博士论文的完成得到了很多学者的帮助和支持，首先是徐宇君教授及其团队的长期支持。徐宇君教授是江苏省特聘教授、南京医科大学特聘教授；美国西北大学妇产科和精神病及行为科学系兼职教授，江苏省科技创新男性生殖医学团队领军人才，博士生导师，是雄性生殖发育领域著名学者。徐宇君教授致力于研究哺乳动物的生殖发育和干细胞的调控机制，尤其是高度保守的的根本性机理和在生殖相关疾病作用的转化医学研究。前期通过对于动物界生殖细胞发育发生的比较生物学和基因组学分析，发现存在高度保守的调控配子发生的核心机器和组成成分，其中包括最常见的致男性不育的DAZ基因家族。目前正通过基因敲除和转基因动物模型（小鼠，果蝇）深入研究DAZ家族及其它核心成员的功能，解析其在生殖发育和干细胞维持及分化中的作用机理。

荷兰乌得勒支大学&阿姆斯特丹大学Rooij D.G. de Dirk教授

该工作还得到了荷兰乌得勒支大学&阿姆斯特丹大学的Dirk教授的帮助和支持，Dirk教授是常规H&E染色小鼠睾丸病理分期领域全球范围内最权威的学者，70多岁高龄的他对工作的认真和执着让我们都非常敬佩，他愿意把自己毕生积累的基于常规H&E染色病理切片的生精管分期的经验知识用于AI模型的训练。尽管已经退休，他仍然愿意从头开始学习使用病理标注软件，不厌其烦地对大量生精管一一仔细检查并标记分期，为模型的构建提供了极其宝贵的训练数据。病理是一个“高冷”的领域，目前基于常规H&E染色病理切片精确区分生精管I-XII期发育阶段的专家很少，特别是在没有PAS染色辅助的情况下，仅仅基于常规H&E切片精准识别I-XII期难度极大。Dirk教授是该领域全球少有的几位权威专家，没有他的专业数据标注研究院在这个领域的一系列研究将难以开展。也正因此，研究中使用的用于训练模型的标注数据包含了Dirk教授分析生精管分期长期积累的经验和知识。

美国埃默里大学&佐治亚理工大学Anant Madabhushi教授

新加坡科技局(A*Star)余维淼教授

此外，本工作的顺利开展也离不开美国埃默里大学&佐治亚理工大学Anant Madabhushi教授和新加坡科技局(A*Star)余维淼教授在不同阶段的点拨和支持。研究院对各位专家学者的全力支持深表感谢，并期待更深入、更广泛的合作。

      鲁浩达同学先后毕业于南京信息工程大学自动化专业、系统科学专业，获工学学士、理学硕士学位，并于2018年推免进入南京信息工程大学电子与信息工程学院，攻读信息与通信工程专业博士学位，导师为徐军教授，主要研究方向为组织病理图像计算。期间，获国家留学基金委资助赴新加坡南洋理工大学进行联合培养一年。鲁浩达同学攻读博士学位期间，以一作或共同一作发表SCI一区论文两篇，SCI二区、三区、北大核心论文若干，参与多项国家自然科学基金项目并多次获得奖学金与挑战赛奖项。答辩委员会和研究院师生向鲁浩达同学表示热烈祝贺！

附：智慧医疗研究院在生殖医学领域发表的主要论文及其介绍

1．Jun Xu, Haoda Lu, Haixin Li, Chaoyang Yan, Xiangxue Wang, Ming Zang, Rooij D.G. de Dirk, Anant Madabhushi, and Eugene Yujun Xu, “Computerized Spermatogenesis Staging (CSS) of Testis Sections for Mouse Sperm Development via Quantitative Histomorphological Analysis”, Medical Image Analysis, vol. 70, 101835, 2021.

该工作首次基于常规H&E切片的组织形态学分析构建了小鼠睾丸精子12个发育阶段的自动分期系统。从技术上，该工作基于H&E切片，在不依赖PAS染色的情况下分析难度较大。该工作针对高分辨率全景切片，开发了用于生精管的分割、多类精子细胞和多个病理同心层区域的精准识别的深度学习系统。该研究在数据标注等阶段得到了Dirk教授的全力支持。在研究过程中，为了描述生精管独特的病理结构以及细胞层面的细微特征，论文尝试并对比了大量方案，最终获得成功。这项工作凝聚了十多名学者与研究生多年的努力，研究人员跨越生物、医学、病理、工程多领域和中国，欧洲（荷兰），美国三个国家/地区。跨学科与跨国家的深入合作促成了本项研究，各个环节都具有至关重要的作用。

2. Shi Liang, Haoda Lu, Min Zang, Xiangxue Wang, Yiping Jiao, Tingting Zhao, Eugene Yujun Xu, Jun Xu, Deep SED-Net with interactive learning for multiple testicular cell types segmentation and cell composition analysis in mouse seminiferous tubules, Cytometry Part A, 2022.

论文的创新点包括：1、运用了“人在回路”的思想，通过组织学专家与深度学习模型的交互式学习模式，实现了以更少的标注数据完成较困难的四种类型生精细胞（精原细胞、精母细胞、圆形精子、支持细胞）全自动分割，有效提升了模型的性能；2、建立了面向大规模组织切片四种生精细胞的定量分析特征描述系统，3、基于定量特征定量揭示生精管在I-XII发育阶段四种生精细胞的变化规律和趋势。4、针对生精管分析问题，建立了由多个深度学习模型组成的分析系统。四种生精细胞在I-XII发育阶段处在漫长的动态变化中，而人工能够标记的细胞仅有“沧海一粟”，描述这一连续而动态的变化过程极具挑战性。在此方面，未来可继续探索新的分析框架与机器学习模型。

3. Haoda Lu, Min Zang, Gabriel Pik Liang Marini, Xiangxue Wang, Yiping Jiao, Nianfei Ao, Kokhaur Ong, Xinmi Huo, Longjie Li, Eugene Yujun Xu, Wilson Wen Bin Goh, Weimiao Yu, Jun Xu，A novel pipeline for computerized mouse spermatogenesis staging，Bioinformatics, 2022.

区分小鼠生精上皮周期的 12 个发育阶段对于理解动态精子发生过程非常重要，例如野生型小鼠与不育小鼠在I-III 期和 IV-V 期具有关键性的区别。然而，由于相邻生精阶段在形态学上的相似性，各分期的精确区分极具挑战性。为此，本文提出了一种新颖的自动方法用于精子发生分期 (CSS)的研究。CSS 模型包括四个部分：(i)用于提取与分割每一个生精小管的曲细精管分割模型；(ii) 基于多尺度学习 (MSL) 方法整合曲细精管的局部和全局信息，以区分 I-V 期和 VI-XII 期；(iii) 基于多任务学习 (MTL) 方法克服训练数据有限的困难，实现了I-V 阶段的精细分期；(iv) 建立了由204维图像特征构成的描述系统，基于细胞级和图像级特征区分 I-III 期和 IV-V 期生精管。实验结果表明，使用本文所提出的MSL和 MTL相结合的方案，在人工标注较为有限时其表现显著优于经典的单尺度和单任务模型。此外，研究发现部分图像特征在I-III 期和IV-V 期之间具有区别性，与病理学先验知识相符。总结而言，CSS模型不仅可以为组织学家提供解决方案，便于对精子发生阶段进行定量分析识别，也能够帮助他们发现新的计算机化图像的生物标志物。