基于混合锚分支的新数据集与两阶段有丝分裂细胞核检测方法
计算机视觉与模式识别
2023-01-19 v1 人工智能
摘要
有丝分裂检测是计算病理学中的挑战性问题之一，有丝分裂计数是病理学家进行癌症分级的重要指标。然而，当前有丝分裂细胞核计数依赖病理学家在显微镜下观察热区中有丝分裂细胞核的数量，主观且耗时。本文提出一种名为 FoCasNet 的两阶段级联网络用于有丝分裂检测。第一阶段提出名为 M_det 的检测网络以尽可能多地检测有丝分裂；第二阶段提出分类网络 M_class 以精炼第一阶段的結果。此外，引入注意力机制、归一化方法以及混合锚分支分类子网络以提升整体检测性能。我们的方法在公开数据集 ICPR 2012 上取得了当前最高的 F1-score 0.888。我们还在本研究团队首次发布的 GZMH 数据集上评估了该方法，达到了最高的 F1-score 0.563，也优于当前广泛使用的多种经典检测网络。这证实了方法的有效性与泛化能力。代码将发布于：https://github.com/antifen/mitosis-nuclei-detection。
引用
@article{arxiv.2301.07627,
title = {A novel dataset and a two-stage mitosis nuclei detection method based on hybrid anchor branch},
author = {Huadeng Wang and Hao Xu and Bingbing Li and Xipeng Pan and Lingqi Zeng and Rushi Lan and Xiaonan Luo},
journal= {arXiv preprint arXiv:2301.07627},
year = {2023}
}
备注
22 pages,10 figures, 8 tables