यह शोधपत्र माइटोटिक आकृतियों को विशिष्ट और असामान्य प्रकारों में वर्गीकृत करता है। असामान्य माइटोटिक आकृतियों की संख्या ट्यूमर की आक्रामकता के साथ दृढ़ता से सहसंबद्ध होती है। इसलिए, रोगी के रोग का पूर्वानुमान लगाने और संसाधनों के आवंटन के लिए सटीक वर्गीकरण आवश्यक है, लेकिन यह विशेषज्ञ रोगविज्ञानियों के लिए भी एक चुनौतीपूर्ण कार्य बना हुआ है। इस अध्ययन में, निम्न-आयामी अनुकूलन के माध्यम से पैरामीटर-कुशल फ़ाइन-ट्यूनिंग करने के लिए बड़े पैमाने के हिस्टोपैथोलॉजी डेटासेट पर पूर्व-प्रशिक्षित पैथोलॉजी-आधारित मॉडल (PFM) का उपयोग किया गया। इसके अलावा, हमने PFM के पूरक के लिए ConvNeXt V2, एक अत्याधुनिक कन्वोल्यूशनल न्यूरल नेटवर्क आर्किटेक्चर, को एकीकृत किया। प्रशिक्षण के दौरान, हमने माइटोस को उजागर करने के लिए फ़िशआई ट्रांसफ़ॉर्म का उपयोग किया और इमेजनेट लक्ष्य छवियों का उपयोग करके फूरियर डोमेन अनुकूलन लागू किया। अंत में, हमने पूरक रूपात्मक अंतर्दृष्टि को एकीकृत करने के लिए कई PFM को एकीकृत किया, जिससे प्रारंभिक मूल्यांकन डेटासेट पर प्रतिस्पर्धात्मक रूप से संतुलित सटीकता प्राप्त हुई।
