MIDOG 2025 Track 2中的病理基础模型集合：非典型有丝分裂分类

于红博

摘要: 有丝分裂图像被归类为典型和非典型变体，非典型计数与肿瘤侵袭性强相关。因此，准确的区分对患者预后和资源分配至关重要，即使对于专家病理学家来说仍然具有挑战性。在这里，我们利用在大型组织病理学数据集上预先训练的病理基金会模型（PFMs），并通过低秩调整进行参数高效微调。此外，我们还加入了ConvNeXt V2，这是一种最先进的卷积神经网络架构，以补充PFMs。在训练过程中，我们采用了鱼眼变换来强调有丝分裂现象，并使用ImageNet目标图像进行傅立叶域适应。最后，我们集成了多个PFMs以整合互补的形态学见解，在初步评估阶段数据集上取得了竞争性的平衡准确性。

更新时间: 2025-09-18 10:00:25

领域: eess.IV,cs.AI,cs.CV

下载: http://arxiv.org/abs/2509.02591v3