基于基础模型驱动的异常非分裂形态分类：领域感知训练策略
图像与视频处理
2025-10-20 v2 计算机视觉与模式识别
摘要
本文提出了MIDOG 2025挑战赛Track~2的解决方案，针对正常非分裂形态（NMFs）与异常非分裂形态（AMFs）的二分类问题。该方法利用病理学特定的基础模型H-optimus-0，基于最新的跨域泛化基准测试和我们的经验测试进行选择，采用低秩适应（LoRA）微调和MixUp数据增强。实现包括基于多专家共识的软标签、硬负例挖掘、自适应focal loss、度量学习和域适应。该方法旨在展示应用基础模型解决该复杂分类任务的前景与挑战，实现了在初步评估阶段的合理性能。
引用
@article{arxiv.2509.02601,
title = {Foundation Model-Driven Classification of Atypical Mitotic Figures with Domain-Aware Training Strategies},
author = {Piotr Giedziun and Jan Sołtysik and Mateusz Górczany and Norbert Ropiak and Marcin Przymus and Piotr Krajewski and Jarosław Kwiecień and Artur Bartczak and Izabela Wasiak and Mateusz Maniewski},
journal= {arXiv preprint arXiv:2509.02601},
year = {2025}
}