基于 YOLOv12 的稳健全肿瘤细胞分裂象检测
图像与视频处理
2025-10-21 v4 人工智能
计算机视觉与模式识别
摘要
细胞分裂象是肿瘤病理学中关键的组织预后特征，提供关于肿瘤恶性程度和增殖的关键信息。然而，其识别具有挑战性，受到显著的观察者间变异影响，即便是经验丰富的病理学家也难以准确识别。为解决此问题，MIDOG 2025 挑战标志着国际竞赛的第三届，旨在开发稳健的细胞分裂象检测算法。本文提出了一种基于最先进的 YOLOv12 目标检测架构的细胞分裂象检测方法。我们的方法在初步测试集（仅热点区域）上实现了 0.801 的 F1 分数，并在最终测试排行榜上以 0.7216 的 F1 分数位列第二，覆盖复杂且异构的整个切片区域，且无需依赖外部数据。
引用
@article{arxiv.2509.02593,
title = {Robust Pan-Cancer Mitotic Figure Detection with YOLOv12},
author = {Raphaël Bourgade and Guillaume Balezo and Hana Feki and Lily Monier and Matthieu Blons and Alice Blondel and Delphine Loussouarn and Anne Vincent-Salomon and Thomas Walter},
journal= {arXiv preprint arXiv:2509.02593},
year = {2025}
}