通过基于UNet的对抗域同质化器改进有丝分裂检测
计算机视觉与模式识别
2022-09-20 v1
摘要
有丝分裂的有效定位是判定肿瘤预后与分级的关键前置任务。基于深度学习的图像分析自动化有丝分裂检测常因固有的域偏差而在未见患者数据上失效。本文提出一种用于有丝分裂检测的域同质化器，试图通过对输入图像的对抗式重建来缓解组织学图像中的域差异。所提出的同质化器基于U-Net架构，可有效减少组织学成像数据中常见的域差异。我们通过观察预处理后图像间域差异的减小来证实域同质化器的有效性。使用该同质化器以及后续的retina-net目标检测器，我们能够在检测有丝分裂像的平均精度方面超越2021年MIDOG挑战赛的基线。
引用
@article{arxiv.2209.09193,
title = {Improving Mitosis Detection Via UNet-based Adversarial Domain Homogenizer},
author = {Tirupati Saketh Chandr and Sahar Almahfouz Nasser and Nikhil Cherian Kurian and Amit Sethi},
journal= {arXiv preprint arXiv:2209.09193},
year = {2022}
}