用于MIDOG挑战赛的Cascade RCNN
计算机视觉与模式识别
2021-09-28 v2 机器学习
摘要
有丝分裂计数是乳腺癌预后的关键指标之一。然而，准确的有丝分裂细胞计数仍是一个困难且费力的问题。已有针对该任务的自动化方法被提出，但通常依赖于训练图像，并在未见域上表现不佳。在本工作中，我们提出了一种基于Cascade RCNN的多阶段有丝分裂检测方法，其被开发为对假阳性依次更具选择性。在初步测试集上，该算法取得了0.7492的F1-score。
关键词
引用
@article{arxiv.2109.01085,
title = {Cascade RCNN for MIDOG Challenge},
author = {Salar Razavi and Fariba Dambandkhameneh and Dimitri Androutsos and Susan Done and April Khademi},
journal= {arXiv preprint arXiv:2109.01085},
year = {2021}
}
备注
Two-page preprint abstract submission for MIDOG challenge, see https://imi.thi.de/midog/, three figures