Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

A Two-Stage Strategy for Mitosis Detection Using Improved YOLO11x Proposals and ConvNeXt Classification

Created by
  • Haebom

저자

Jie Xiao, Mengye Lyu, Shaojun Liu

개요

MIDOG 2025 Track 1의 유핵 분열 검출 문제를 해결하기 위해, 복잡하고 이질적인 환경과 아티팩트 발생 가능성을 고려한 2단계 프레임워크를 제안합니다. 첫 번째 단계에서는 EMA attention과 LSConv가 통합된 향상된 YOLO11x를 사용하여 유핵 분열 후보를 생성하고, 낮은 신뢰도 임계값을 적용하여 재현율을 높입니다. 두 번째 단계에서는 ConvNeXt-Tiny 분류기를 사용하여 거짓 양성(false positive)을 걸러내 정확도를 확보합니다. MIDOG++, MITOS_WSI_CCMCT 및 MITOS_WSI_CMC로 구성된 통합 데이터셋에서 F1 점수 0.882를 달성하여 YOLO11x 단일 단계 baseline보다 0.035 높은 성능을 보였습니다. 이는 정밀도 향상(0.762에서 0.839로)에 기인하며, MIDOG 2025 Track 1 예비 테스트 세트에서 F1 점수 0.7587을 기록했습니다.

시사점, 한계점

시사점:
2단계 프레임워크를 통해 유핵 분열 검출의 정확도와 F1 점수를 향상시켰습니다.
EMA attention과 LSConv를 YOLO11x에 통합하여 성능을 개선했습니다.
MIDOG 2025 Track 1의 예비 테스트 세트에서 좋은 성능을 보였습니다.
오픈 소스 코드를 제공하여 재현 가능성을 높였습니다.
한계점:
특정 데이터셋(MIDOG++, MITOS_WSI_CCMCT, MITOS_WSI_CMC)에 대한 성능은 검증되었지만, 다른 데이터셋에서의 일반화 성능은 추가 검증이 필요합니다.
MIDOG 2025 Track 1 예비 테스트 세트에서의 성능은 본선 결과와 다를 수 있습니다.
계산 비용 및 실행 속도에 대한 정보는 제시되지 않았습니다.
👍