使用ConvNeXt V2自动分类正常与非典型核分裂象：MIDOG 2025赛道2
计算机视觉与模式识别
2025-08-27 v1
摘要
本文介绍了我们为MIDOG 2025挑战赛赛道2提出的解决方案，该赛道专注于对组织病理学图像中的正常核分裂象（NMF）与非典型核分裂象（AMF）进行二分类。我们的方法利用ConvNeXt V2基础模型，结合中心裁剪预处理和5折交叉验证集成策略。该方法解决了关键挑战，包括严重的类别不平衡、高形态变异性以及跨不同肿瘤类型、物种和扫描仪的域异质性。通过60%中心裁剪和混合精度训练等策略性预处理，我们的模型在多样化的MIDOG 2025数据集上取得了稳健的性能。该解决方案展示了现代卷积架构在核分裂象亚型分类中的有效性，同时通过精心的架构选择和训练优化保持了计算效率。
引用
@article{arxiv.2508.18831,
title = {Automated Classification of Normal and Atypical Mitotic Figures Using ConvNeXt V2: MIDOG 2025 Track 2},
author = {Yosuke Yamagishi and Shouhei Hanaoka},
journal= {arXiv preprint arXiv:2508.18831},
year = {2025}
}
备注
MIDOG 2025 solution