面向不平衡白血细胞分类的小型分类器集成
计算机视觉与模式识别
2026-03-24 v1 机器学习
摘要
自动化白血细胞分类用于白血病诊断，是一种具有前景的替代方案，相较于由专家病理学家检查细胞具有显著的时间和资源优势。然而，由于染色、扫描以及患者间异质性的差异，设计针对稀有细胞类型的鲁棒算法仍然具有挑战性。我们提出了一种针对髓系发生过程中细胞分类的轻量级集成方法，重点关注粒细胞发生、单核细胞发生和淋巴细胞发生的生物学特性。通过数据扩充以缓解部分类别不平衡，我们展示，在这个具有挑战性的数据集上，简单地将预训练的 SwinV2-Tiny、DinoBloom-Small 和 ConvNeXT-V2-Tiny 模型进行集成即可实现卓越的性能。我们在分层 3 折交叉验证框架下训练每个架构的 3 个实例；对于输入图像，我们通过所有 9 个模型进行前向传播，并通过逻辑平均进行聚合。我们进一步分析了模型在混淆粒细胞中相似外观的髓细胞以及淋巴细胞中相似外观的淋巴细胞方面的弱点。代码：https://gitlab.com/siddharthsrivastava/wbc-bench-2026。
引用
@article{arxiv.2603.20856,
title = {Ensemble of Small Classifiers For Imbalanced White Blood Cell Classification},
author = {Siddharth Srivastava and Adam Smith and Scott Brooks and Jack Bacon and Till Bretschneider},
journal= {arXiv preprint arXiv:2603.20856},
year = {2026}
}
备注
Accepted at ISBI 2026 WBCBench Challenge