作为 MIDOG 挑战赛参考算法的域对抗 RetinaNet
图像与视频处理
2022-03-16 v3 计算机视觉与模式识别
摘要
评估有丝分裂计数已知存在较高的评估者内和评估者间变异性。计算机辅助系统已被证明能够降低这种变异性并缩短标注时间。然而，这些系统通常高度依赖于其训练域，对未见域的适用性较差。在组织病理学中，这些域漂移可能源于多种因素，包括用于将组织学样本数字化的不同玻片扫描系统。MItosis DOmain Generalization 挑战赛聚焦于有丝分裂图形检测任务中的这一特定域漂移。本工作提出了一种作为该挑战赛基线而开发的有丝分裂图形检测算法，该算法基于域对抗训练。在该挑战赛的测试集上，该算法取得了 0.7183 的 F 分数。用于实现该网络的相应网络权重和代码已公开发布。
引用
@article{arxiv.2108.11269,
title = {Domain Adversarial RetinaNet as a Reference Algorithm for the MItosis DOmain Generalization Challenge},
author = {Frauke Wilm and Christian Marzahl and Katharina Breininger and Marc Aubreville},
journal= {arXiv preprint arXiv:2108.11269},
year = {2022}
}
备注
This is the long version of the original pre-print. Due to a bug in our automatic threshold computation the detection threshold of our model changed from 0.62 to 0.64. This value was not optimized on any other images but the validation split of the MIDOG training set. 9 pages, 4 figures, 1 table