本論文は、有糸分裂の典型的な型と非定型型を区別するモデルを提示します。非定型的な有糸分裂の数は腫瘍の攻撃性と強い相関関係を持っているので、正確な区分は患者の予後予測と資源の配分に不可欠です。この目的のために、この論文では、大規模な組織病理学データセットで事前訓練された病理学ベースのモデル（PFM）を活用し、低階層適応によるパラメータ効率的な微調整技術を適用しました。また、最先端の合成積ニューラルネットワークアーキテクチャであるConvNeXt V2をPFMと組み合わせて使用してパフォーマンスを向上させました。訓練の過程では、有糸分裂像を強調するためにフィッシュアイ変換を使用し、ImageNetターゲット画像を使用したFourier Domain Adaptationを適用しました。最後に、複数のPFMをアンサンブルして相互補完的な形態学的洞察を統合し、Preliminary Evaluation Phaseデータセットで競争力のあるバランス精度を達成しました。
