Stain-Robust Mitotic Figure Detection for MIDOG 2022 Challenge

要約

さまざまなスキャナー/サイトからの有糸分裂像の検出は、腫瘍のグレーディングで臨床医を支援する可能性があるため、研究の重要なトピックのままです。
MItosis DOmain Generalization (MIDOG) 2022 チャレンジは、このタスクの複数のスキャナーと組織タイプからの目に見えないデータに対する検出モデルの堅牢性をテストすることを目的としています。
この課題に対処するために TIA センター チームが採用したアプローチの簡単な要約を提示します。
私たちのアプローチは、有糸分裂候補がセグメント化された後、ディープラーニング分類器によって洗練されるハイブリッド検出モデルに基づいています。
トレーニング画像の相互検証は、予備テスト セットで 0.816 と 0.784 の F1 スコアを達成し、新しいスキャナーからの目に見えないデータに対するモデルの一般化可能性を実証しました。

要約(オリジナル)

The detection of mitotic figures from different scanners/sites remains an important topic of research, owing to its potential in assisting clinicians with tumour grading. The MItosis DOmain Generalization (MIDOG) 2022 challenge aims to test the robustness of detection models on unseen data from multiple scanners and tissue types for this task. We present a short summary of the approach employed by the TIA Centre team to address this challenge. Our approach is based on a hybrid detection model, where mitotic candidates are segmented, before being refined by a deep learning classifier. Cross-validation on the training images achieved the F1-score of 0.816 and 0.784 on the preliminary test set, demonstrating the generalizability of our model to unseen data from new scanners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google