본 논문은 유사분열상(mitotic figures)의 전형적인 유형과 비정형적인 유형을 구분하는 모델을 제시합니다. 비정형적인 유사분열상의 개수는 종양의 공격성과 강한 상관관계를 가지므로, 정확한 구분은 환자 예후 예측 및 자원 배분에 필수적입니다. 이를 위해, 본 논문에서는 대규모 조직병리학 데이터셋으로 사전 훈련된 병리학 기반 모델(PFMs)을 활용하고, 저계층 적응을 통한 매개변수 효율적인 미세 조정 기법을 적용했습니다. 또한 최첨단 합성곱 신경망 아키텍처인 ConvNeXt V2를 PFMs와 함께 사용하여 성능을 향상시켰습니다. 훈련 과정에서는 유사분열상을 강조하기 위해 fisheye 변환을 사용하고, ImageNet 대상 이미지를 이용한 Fourier Domain Adaptation을 적용했습니다. 마지막으로, 여러 PFMs를 앙상블하여 상호 보완적인 형태학적 통찰력을 통합하여 Preliminary Evaluation Phase 데이터셋에서 경쟁력 있는 균형 정확도를 달성했습니다.
