针对域偏移使用融合检测器与深度集成分类模型检测有丝分裂的MIDOG挑战方法
计算机视觉与模式识别
2021-09-01 v1 人工智能
摘要
有丝分裂计数是肿瘤增殖的重要标志物，并已被证明与患者预后相关。基于深度学习的有丝分裂检测方法是利用苏木精和伊红（H&E）染色图像自动定位处于有丝分裂期的细胞。然而，由于H&E图像中色调和强度的巨大差异，模型性能会下降。在这项工作中，我们提出了一种通过融合检测器和深度集成分类模型的两阶段有丝分裂检测框架。为减轻H&E图像中颜色变化的影响，我们同时使用了染色归一化和数据增强，帮助模型学习颜色无关特征。所提出的模型在MIDOG挑战发布的初步测试集上获得了0.7550的F1分数。
引用
@article{arxiv.2108.13983,
title = {Detecting Mitosis against Domain Shift using a Fused Detector and Deep Ensemble Classification Model for MIDOG Challenge},
author = {Jingtang Liang and Cheng Wang and Yujie Cheng and Zheng Wang and Fang Wang and Liyu Huang and Zhibin Yu and Yubo Wang},
journal= {arXiv preprint arXiv:2108.13983},
year = {2021}
}