挑战有丝分裂检测算法：全局标签可实现质心定位
图像与视频处理
2022-12-01 v1 计算机视觉与模式识别
摘要
有丝分裂活性是不同癌症诊断与预后评估的关键增殖生物标志物。然而，由于扩增活检切片尺寸大、有丝分裂细胞密度低以及模式异质性，病理学家进行有丝分裂计数是繁琐且可重复性低的过程。为提高可重复性，近年来已提出使用卷积神经网络的深度学习方法。然而，这些方法受限于数据标注过程，标注通常仅包含有丝分裂质心。因此，现有文献提出了多阶段复杂算法以在像素级细化标签并减少假阳性数量。在本工作中，我们主张避免复杂场景，并以弱监督方式仅使用图像块上的图像级标签来执行定位任务。在公开可用的TUPAC16数据集上所获得的结果与使用最先进（SOTA）方法具有竞争力，且仅使用一个训练阶段。我们的方法取得了0.729的F1分数，并对先前需要多阶段及强有丝分裂位置信息的方法的效率提出了挑战。
引用
@article{arxiv.2211.16852,
title = {Challenging mitosis detection algorithms: Global labels allow centroid localization},
author = {Claudio Fernandez-Martín and Umay Kiraz and Julio Silva-Rodríguez and Sandra Morales and Emiel Janssen and Valery Naranjo},
journal= {arXiv preprint arXiv:2211.16852},
year = {2022}
}
备注
Presented at IDEAL 2022