Multi tasks RetinaNet for mitosis detection

要約

有糸分裂細胞の説明は、腫瘍診断における重要な特徴です。
しかし、有糸分裂細胞の形態は多様であるため、腫瘍組織内の有糸分裂細胞を検出することは非常に困難な作業です。
同時に、高度な深層学習法は細胞検出で大きな成功を収めていますが、別のドメイン (つまり、異なる腫瘍タイプや異なるスキャナー) からのデータをテストすると、パフォーマンスが不十分になることがよくあります。
したがって、ドメイン シフト シナリオでロバスト性を持つ有糸分裂細胞を検出するためのアルゴリズムを開発する必要があります。
私たちの研究はさらに、ベースライン (Retinanet) に基づくフォアグラウンド検出と腫瘍分類タスクを提案し、データ拡張を利用してモデルのドメイン一般化パフォーマンスを改善します。
困難な予備テスト データセットで最先端のパフォーマンス (F1 スコア: 0.5809) を達成しました。

要約(オリジナル)

The account of mitotic cells is a key feature in tumor diagnosis. However, due to the variability of mitotic cell morphology, it is a highly challenging task to detect mitotic cells in tumor tissues. At the same time, although advanced deep learning method have achieved great success in cell detection, the performance is often unsatisfactory when tested data from another domain (i.e. the different tumor types and different scanners). Therefore, it is necessary to develop algorithms for detecting mitotic cells with robustness in domain shifts scenarios. Our work further proposes a foreground detection and tumor classification task based on the baseline(Retinanet), and utilizes data augmentation to improve the domain generalization performance of our model. We achieve the state-of-the-art performance (F1 score: 0.5809) on the challenging premilary test dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google