面包店细胞检测的多阶段优化管道
计算机视觉与模式识别
2026-04-16 v1
摘要
计算机视觉技术在近年来取得了显著进展，广泛应用于医疗领域。本文提出一种新的框架，用于检测Pap smear图像中的Bethesda细胞，专为Riva Cytology挑战赛Track B（隶属国际生物医学成像学会）而开发。本工作聚焦于提高细胞检测的计算机视觉模型性能，采用mAP50-95指标进行评估。我们提出的方案基于YOLO和U-Net架构的集成，随后采用重叠消除技术和二分类器进行细化。该框架在比赛中获得第二名，mAP50-95得分为0.5909。实现代码已公开于github.com/martinamster/riva-trackb。
引用
@article{arxiv.2604.13939,
title = {A Multi-Stage Optimization Pipeline for Bethesda Cell Detection in Pap Smear Cytology},
author = {Martin Amster and Camila María Polotto},
journal= {arXiv preprint arXiv:2604.13939},
year = {2026}
}
备注
ISBI 2026 Accepted Paper & Second Place Solution for the RIVA Cervical Cytology Challenge Track B