基于 stain-正规化解耦学习与集成的白血球分类鲁棒性提升
计算机视觉与模式识别
2026-03-03 v1
摘要
白血球（WBC）分类是血液学应用的基本任务，包括感染评估、白血病筛查和治疗监测。然而，真实世界的WBC数据集因染色和扫描条件的差异以及严重的类别不平衡（其中常见细胞类型占主导，而稀有但临床重要的类别则被低估）而呈现出显著的外观变异。为此，我们提出了一种 stain-正规化、解耦式训练框架，该框架首先使用 instance-balanced sampling 学习可迁移的表征，然后通过 class-aware sampling 和结合有效数值加权和焦点调制的混合损失函数来重新平衡分类器。在推断阶段，我们进一步通过对多种训练 backbone进行集成并采用 test-time augmentation来提升鲁棒性。我们的方法在2026年ISBI 2026挑战赛的WBCBench 2026：Robust White Blood Cell Classification Challenge中夺得了第一名。
引用
@article{arxiv.2603.01976,
title = {Robust White Blood Cell Classification with Stain-Normalized Decoupled Learning and Ensembling},
author = {Luu Le and Hoang-Loc Cao and Ha-Hieu Pham and Thanh-Huy Nguyen and Ulas Bagci},
journal= {arXiv preprint arXiv:2603.01976},
year = {2026}
}