面向MIDOG 2025 Track 1的鲁棒非分裂形态检测：RF-DETR方法
图像与视频处理
2025-09-04 v1 计算机视觉与模式识别
摘要
组织病理学图像中的非分裂形态检测由于不同扫描仪、染色协议和组织类型的显著域迁移，仍然具有挑战性。本文提出了MIDOG 2025挑战赛Track 1的方法，专注于跨多样化组织学背景实现鲁棒非分裂形态检测。虽然我们最初计划采用结合高召回率检测与后续分类细化的两阶段方法，但由于时间限制，我们聚焦于优化单阶段检测管道。我们采用RF-DETR（Roboflow Detection Transformer）并结合硬负例挖掘，在MIDOG++数据集上进行训练。本方法在初步测试集上实现了0.789的F1分数，召回率为0.839，精确率为0.746，显示出有效的跨域泛化。该解决方案揭示了在非分裂形态检测中针对域迁移挑战的训练数据平衡与硬负例挖掘的重要性。
引用
@article{arxiv.2509.02599,
title = {RF-DETR for Robust Mitotic Figure Detection: A MIDOG 2025 Track 1 Approach},
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:2509.02599},
year = {2025}
}
备注
Challenge report for MIDOG 2025 Track 1