A novel dataset and a two-stage mitosis nuclei detection method based on hybrid anchor branch

要約

有糸分裂の検出は、計算病理学における困難な問題の 1 つであり、有糸分裂数は病理学者にとって癌の等級付けの重要な指標です。
ただし、有糸分裂核の現在の数は、主観的で時間がかかるホット スポットの有糸分裂核の数を顕微鏡で見る病理学者に依存しています。
この論文では、有糸分裂検出のために、FoCasNet という名前の 2 段階のカスケード ネットワークを提案します。
最初の段階では、M_det という名前の検出ネットワークが、できるだけ多くの有糸分裂を検出するために提案されています。
第 2 段階では、第 1 段階の結果を改良するために、分類ネットワーク M_class が提案されます。
さらに、全体的な検出パフォーマンスを向上させるために、アテンション メカニズム、正規化方法、およびハイブリッド アンカー ブランチ分類サブネットが導入されています。
私たちの方法は、公開データセット ICPR 2012 で現在最高の F1 スコア 0.888 を達成しています。また、私たちの研究チームが初めて公開した GZMH データセットで私たちの方法を評価し、最高の F1 スコア 0.563 に達しました。
現在広く使用されている複数の古典的な検出ネットワークよりも優れています。
それは私たちの方法の有効性と一般化を確認しました。
コードは https://github.com/antifen/mitosis-nuclei-detection で入手できます。

要約(オリジナル)

Mitosis detection is one of the challenging problems in computational pathology, and mitotic count is an important index of cancer grading for pathologists. However, current counts of mitotic nuclei rely on pathologists looking microscopically at the number of mitotic nuclei in hot spots, which is subjective and time-consuming. In this paper, we propose a two-stage cascaded network, named FoCasNet, for mitosis detection. In the first stage, a detection network named M_det is proposed to detect as many mitoses as possible. In the second stage, a classification network M_class is proposed to refine the results of the first stage. In addition, the attention mechanism, normalization method, and hybrid anchor branch classification subnet are introduced to improve the overall detection performance. Our method achieves the current highest F1-score of 0.888 on the public dataset ICPR 2012. We also evaluated our method on the GZMH dataset released by our research team for the first time and reached the highest F1-score of 0.563, which is also better than multiple classic detection networks widely used at present. It confirmed the effectiveness and generalization of our method. The code will be available at: https://github.com/antifen/mitosis-nuclei-detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google