Detecting Mitoses with a Convolutional Neural Network for MIDOG 2022 Challenge

要約

この作品は、バニラの畳み込みニューラル ネットワーク (CNN) を 1 つだけ使用した有糸分裂検出方法を示しています。
私たちのアプローチは2つのステップで構成されています。画像が与えられたら、最初にスライディングウィンドウ技術を使用してCNNを適用し、有糸分裂のあるパッチを抽出します。
次に、抽出された各パッチのクラス アクティベーション マップを計算して、有糸分裂の正確な位置を取得します。
モデルの一般化可能性を高めるために、一連のデータ拡張手法、ノイズ ラベル付き画像に対処する損失、およびアクティブ ラーニング戦略を使用して CNN をトレーニングします。
私たちのアプローチは、MIDOG 2022 チャレンジの予備テスト段階で、EfficientNet-b3 モデルで 0.7323 の F1 スコアを達成しました。

要約(オリジナル)

This work presents a mitosis detection method with only one vanilla Convolutional Neural Network (CNN). Our approach consists of two steps: given an image, we first apply a CNN using a sliding window technique to extract patches that have mitoses; we then calculate each extracted patch’s class activation map to obtain the mitosis’s precise location. To increase the model generalizability, we train the CNN with a series of data augmentation techniques, a loss that copes with noise-labeled images, and an active learning strategy. Our approach achieved an F1 score of 0.7323 with an EfficientNet-b3 model in the preliminary test phase of the MIDOG 2022 challenge.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google