본 논문은 유사분열상(mitotic figures)을 전형적 및 비정형적 유형으로 분류하는데, 비정형적 유사분열상의 수는 종양의 공격성과 강한 상관관계를 갖습니다. 따라서 정확한 구분은 환자 예후 예측 및 자원 배분에 필수적이나, 전문 병리학자에게도 어려운 과제입니다. 본 연구는 대규모 조직병리학 데이터셋으로 사전 훈련된 병리학 기반 모델(PFMs)을 활용하여 저차원 적응을 통한 매개변수 효율적인 미세 조정을 수행했습니다. 또한 최첨단 합성곱 신경망 구조인 ConvNeXt V2를 PFMs를 보완하기 위해 통합했습니다. 훈련 중에는 유사분열을 강조하기 위해 fisheye 변환을 사용하고, ImageNet 대상 이미지를 사용하여 푸리에 도메인 적응을 적용했습니다. 마지막으로, 여러 PFMs를 앙상블하여 상보적인 형태학적 통찰력을 통합하여 예비 평가 단계 데이터셋에서 경쟁력 있는 균형 정확도를 달성했습니다.
