基于Swin架构的Center-Aware Co-DETR框架用于宫颈裂细胞检测
计算机视觉与模式识别
2026-04-03 v1
摘要
Pap涂片图像的自动化分析是宫颈癌筛查的关键任务，但由于细胞密集分布和复杂形态结构，仍面临挑战。本文提出我们在RIV A宫颈裂细胞挑战赛中的获奖方案，分别在Track B中取得第一名，在Track A中取得第二名。我们的方案利用强大的基线，集成Co-DINO框架与Swin-Large主干网络，以实现对多尺度特征的稳健提取。为解决数据集独特的固定大小边界框标注问题，我们将检测任务形式化为中心点预测问题。针对该预测形式，我们引入中心保持数据增强策略和分析几何框优化，以有效吸收局限抖动。最后，我们应用特定于轨道的损失调优，以为每个任务调整损失权重。实验表明，这些针对性优化提高了检测性能，为细胞学图像分析提供了有效的管道。我们的代码可在https://github.com/YanKong0408/Center-DETR中获得。
引用
@article{arxiv.2604.02090,
title = {Center-Aware Detection with Swin-based Co-DETR Framework for Cervical Cytology},
author = {Yan Kong and Yuan Yin and Hongan Chen and Yuqi Fang and Caifeng Shan},
journal= {arXiv preprint arXiv:2604.02090},
year = {2026}
}
备注
ISBI 2026 Accepted Paper & Winning Solution for the RIVA Cervical Cytology Challenge