白血细胞分类的多阶段微调与头类异集成
计算机视觉与模式识别
2026-03-24 v1
摘要
从外周血液片中对白血细胞 (WBC) 的分类对于白血病诊断至关重要。然而，自动化方法仍面临诸多挑战，包括类别不平衡、域迁移和形态连续性混淆，其中相邻成熟阶段呈现细微、重叠的特征。我们为 ISBI 2026 WBCBench 2026 挑战赛中的 13 类别 WBC 分类提出了多阶段微调方法。我们的最佳模型是针对 DINOBloom-base 进行微调的模型，上述模型在多个分类器 head 家族（线性、余弦和多层感知器 (MLP)）上进行训练。余弦 head 在成熟粒细胞边界（Band 中性粒细胞 (BNE) F1 = 0.470）上表现最佳，线性 head 在较不成熟的粒细胞类别（Metamyelocyte (MMY) F1 = 0.585）上表现最佳，MLP head 在最不成熟的粒细胞（Promyelocyte (PMY) F1 = 0.733）上表现最佳，揭示了类别特化现象。基于这种特化，我们构建了一个头类异集成，其中 MLP head 作为主要预测器，其在四个预定义混淆对中的预测仅在另外两个 head 家族一致时才被替换。我们进一步表明，所有模型持续误分类的案例中，大大富集了可能的标注错误或固有的形态模糊性。
引用
@article{arxiv.2603.20383,
title = {Multi-Stage Fine-Tuning of Pathology Foundation Models with Head-Diverse Ensembling for White Blood Cell Classification},
author = {Antony Gitau and Martin Paulson and Bjørn-Jostein Singstad and Karl Thomas Hjelmervik and Ola Marius Lysaker and Veralia Gabriela Sanchez},
journal= {arXiv preprint arXiv:2603.20383},
year = {2026}
}
备注
Accepted to ISBI 2026