M³-GloDet：面向细粒度受累性糞球虫检测的多区域与多尺度分析
计算机视觉与模式识别
2025-08-26 v1
摘要
准确检测受累性糞球虫是推动肾病理学进步的关键，为可靠临床诊断提供了基础。尽管计算机视觉近期进步产生日益精细的检测算法，但大多数研究致力于正常糞球虫或全球坏死实例，导致受累性糞球虫亚型的更广谱研究相对缺乏。这种不平衡并非毫无影响；这些疾病变种定义其细微且高度可变的形态特征，常常难以被最先进的计算模型捕捉。此外，关于最佳成像放大倍率和区域视野尺寸进行细粒度糞球虫分析的选择仍存争议，进一步增加了准确分类与稳健分割的复杂性。为填补这一空白，我们提出了M³-GloDet——一个系统化框架，旨在支持跨广泛区域、尺度和类别的检测模型全面评估。该框架内，我们评估了经典基准架构和最近引入的SOTA模型，这些模型在常规数字肾病理学中常见的多样化区域视野大小和成像分辨率下运行。实验结果表明，中间patch尺寸在上下文与效率之间提供了最佳平衡。适中的放大倍率通过减少过拟合提升了泛化能力。在该框架下对多类别受累性糞球虫数据集进行系统比较，我们旨在深化对模型优势与局限的理解，为数字病理领域的自动化检测策略和临床工作流程提供可操作性建议。
引用
@article{arxiv.2508.17666,
title = {M^3-GloDets: Multi-Region and Multi-Scale Analysis of Fine-Grained Diseased Glomerular Detection},
author = {Tianyu Shi and Xinzi He and Kenji Ikemura and Mert R. Sabuncu and Yihe Yang and Ruining Deng},
journal= {arXiv preprint arXiv:2508.17666},
year = {2025}
}