Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

MIDOG 2025: Mitotic Figure Detection with Attention-Guided False Positive Correction

Created by
  • Haebom

作者

Andrew Broad, Jason Keighley, Lucy Godson, Alex Wright

概要

この論文は、既存のFully Convolutional One-Stage Object Detector(FCOS)を拡張し、有糸分裂検出のための新しいアプローチを提示します。提案された複合モデルは、正常および異常有糸分裂分類のためのFeedback Attention Ladder CNN(FAL-CNN)モデルを追加し、FCOSによって予測されたバウンディングボックスの調整を生成するように訓練された融合ネットワークに情報を提供します。このネットワークは、FCOSオブジェクト検出器の偽陽性率を低減し、オブジェクト検出精度を向上させ、ネットワークの一般化性能を向上させることを目的としています。予備評価データセットにおける有糸分裂検出のF1スコア0.655を達成しました。

Takeaways、Limitations

Takeaways:
FCOSベースの有糸分裂検出性能の向上:FAL-CNNによる分類情報の活用によるFCOSのLimitations改善。
偽陽性率の低減と精度の向上:融合ネットワークによるバウンディングボックスの調整、より正確な検出結果の導出。
モデル一般化性能の向上:多様な有糸分裂相に対する Robustな検出性能の期待。
Limitations:
限られたデータセット:予備評価データセットを使用したパフォーマンス評価、大規模なデータセットへの一般化可能性の検証が必要です。
比較的低いF1スコア:0.655のF1スコアはまだ改善の余地があることを示唆。
モデルの複雑さ:FAL-CNNの追加によるモデルの複雑さの増加、計算コストの増加の可能性。
👍