基于卷积神经网络检测有丝分裂以参与 MIDOG 2022 挑战赛
计算机视觉与模式识别
2022-11-01 v2
摘要
本工作提出一种仅使用单个普通卷积神经网络（CNN）的有丝分裂检测方法。我们的方法包含两步：给定图像，首先使用滑动窗口技术应用 CNN 提取含有有丝分裂的图块；随后计算各提取图块的类激活图以获得有丝分裂的精确位置。为提升模型在高域方差病理图像上的性能，我们使用数据增强流水线、可应对未标注图像的噪声容忍损失以及多轮主动学习策略来训练 CNN。在 MIDOG 2022 挑战赛中，我们的方法采用 EfficientNet-b3 CNN 模型，在初步测试阶段取得总体 F1 分数 0.7323，在最终测试阶段（任务 1）取得 0.6847。我们的方法为类激活图在病理图像目标检测中的更广泛应用提供了启示。
引用
@article{arxiv.2208.12437,
title = {Detecting Mitoses with a Convolutional Neural Network for MIDOG 2022 Challenge},
author = {Hongyan Gu and Mohammad Haeri and Shuo Ni and Christopher Kazu Williams and Neda Zarrin-Khameh and Shino Magaki and Xiang 'Anthony' Chen},
journal= {arXiv preprint arXiv:2208.12437},
year = {2022}
}
备注
3 pages, 2 figures