原文标题及链接：Assessing domain adaptation techniques for mitosis detection in multi-scanner breast cancer histopathology images

原文GitHub链接：https://github.com/scjjb/MIDOG_Domain_Adaptation

复现过程：【有丝分裂检测】MIDOG Domain Adaptation实现_TianleiShi的博客-CSDN博客

背景简介

在诊断肿瘤分级过程中，病理学家手工计算活检或肿瘤切除标本中分裂细胞的数量(mitotic figures)。由于这一过程是主观的和耗时的，数据驱动的人工智能(AI)方法被开发来自动检测mitotic figures
由于组织类型、染色标准以及用于数字化扫描设备的不统一，导致AI方法性能下降。领域适应方法已被广泛应用于各种应用中以缓解领域迁移问题
领域适应算法：CycleGAN、Neural Style Transfer, using the MIDOG 2021 Challenge dataset
检测算法：基于U-Net、RetinaNet的两种基线有丝分裂检测模型

领域适应方法通常旨在学习一种映射，以减少源数据分布和目标数据分布之间的差距。在计算机视觉问题的背景下，它们被用于提高基于图像的DL模型在推理过程中对不同领域数据的泛化。虽然卷积神经网络(CNNs)已被证明是解决大量视觉问题的强大工具，但它往往会过度拟合训练领域的数据，因此在推断过程中很难概括到目标领域。数字组织病理学的领域可能包括从组织染色过程、扫描仪特性或被扫描的组织学准备引入的变化。我们研究的领域适应方法集中于图像的视觉外观，获取一个内容图像和一个或多个样式图像，并创建内容图像的样式表示。

MIDOG2021挑战赛

有丝分裂检测竞赛，MICCAI举办。
200张训练图像，每张图片大小为组织切片感兴趣区域，尺寸大约为5k*5k pix
染色标准相同：UMC Utrecht病理实验室制备得到
扫描设备不同：50 each from Hamamatsu XR nanozoomer 2.0 (HXR), Hamamatsu S360 0.5 NA (HS360), Aperio ScanScope CS2 (ACS), and Leica GT450
前150张由三位病理学家标注

数据分布特点

The scanners have different colour profiles, with ACS 深红, and HXR producing 蓝紫.

有丝分裂检测模型

1. U-Net

一种语义分割架构，它结合多层降采样生成一个多尺度特征映射。

需要用于训练的分割掩码。通过将每个像素取为1(如果它在有丝分裂图像边界框内，则取为0)来生成。
输出一个概率图，通过multi-step 过程，将其转换为边界框预测结果。如图2所示：

具体步骤：首先，通过对概率图应用阈值生成二进制图。然后，通过选择外部轮廓从中提取目标

【论文解析】病理有丝分裂检测领域适应问题相关推荐

论文解析：人脸检测中级联卷积神经网络的联合训练
论文解析:人脸检测中级联卷积神经网络的联合训练商汤科技解析CVPR2016论文:人脸检测中级联卷积神经网络的联合训练 width="250" height="250&q ...
经典论文解析——YOLOv1——目标检测
YOLOv1,you only look once 1. 网络简介 2. 网络设计思路 3. 网络结构 4. 网络训练和检测的技巧 5. 网络的优缺点其实经典的CNN如AlexNet,VGG,G ...
CVPR 2016｜商汤科技论文解析：人脸检测中级联卷积神经网络的联合训练
论文:Joint Training of Cascaded CNN for Face Detection 论文作者:Hongwei Qin, Junjie Yan, Xiu Li, Xiaolin H ...
基于深度学习的抓取检测(grasp detection)相关论文解析
近几年深度学习技术蓬勃发展,其相关的应用场景也越来越多样化,比如本人做的机械手抓取物体就可以通过深度学习技术加以应用,优化出抓取目标物体的合适的中心坐标,旋转角以及爪盘开度.针对这个问题,目前绝大多数 ...
人脸标记检测：ICCV2019论文解析
人脸标记检测:ICCV2019论文解析 Learning Robust Facial Landmark Detection via Hierarchical Structured Ensemble 论 ...
显著检测论文解析1——Global contrast based salient region detection（程明明 IEEE TPAMI）
显著检测论文解析1 本人在图像处理方面的主要研究方向是显著性检测,在刚接触显著性时感觉很难下手,有太多东西不是很清楚.学习到现在我对这一块有了一定的认识,现在对显著性领域我读过的近几年比较好的论文写一 ...
CVPR2019| 最新CVPR2019论文：含目标检测、分割、深度学习、GAN等领域
点上方蓝字计算机视觉联盟获取更多干货在右上方 ··· 设为星标 ★,与你不见不散推荐几篇CPRR2019最新论文,含目标检测.分割.深度表示.GAN等领域 [1]Strong-Weak Distr ...
【单目3D目标检测】FCOS3D + PGD论文解析与代码复现
文章目录前言 FCOS3D 概述主要创新点主要框架结构回归目标损失函数推理过程 2D引导的多层3D预测 2D高斯分布的3D中心度实验设置源码复现 PGD 概述主要创新点深度估计主 ...
车道线检测：LSTR论文解析
车道线检测:End-to-end Lane Shape Prediction with Transformers论文解析 1. Abstract 2. Introduction 3. Related ...

【论文解析】病理有丝分裂检测领域适应问题