Using Multi-scale SwinTransformer-HTC with Data augmentation in CoNIC Challenge

要約

結腸直腸がんは世界中で最も一般的ながんの 1 つであるため、早期の病理検査が非常に重要です。
しかし、臨床現場で H&E 画像上の細胞の数と種類を特定するには、時間と労力がかかります。
したがって、自動セグメンテーションと分類タスク、および病理学的切片からの H&E 画像の細胞組成の計数が CoNIC Challenge 2022 によって提案されています。私たちはこの課題のために HTC を使用したマルチスケール Swin 変換器を提案し、さらに既知の正規化手法を適用して、より多くの拡張を生成しました。
データ。
最後に、私たちの戦略は、マルチスケールがさまざまなスケールの特徴を識別するために重要な役割を果たし、拡張がモデルの認識を引き起こすことを示しました。

要約(オリジナル)

Colorectal cancer is one of the most common cancers worldwide, so early pathological examination is very important. However, it is time-consuming and labor-intensive to identify the number and type of cells on H&E images in clinical. Therefore, automatic segmentation and classification task and counting the cellular composition of H&E images from pathological sections is proposed by CoNIC Challenge 2022. We proposed a multi-scale Swin transformer with HTC for this challenge, and also applied the known normalization methods to generate more augmentation data. Finally, our strategy showed that the multi-scale played a crucial role to identify different scale features and the augmentation arose the recognition of model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google