論文の概要: Robust Pan-Cancer Mitotic Figure Detection with YOLOv12

• arxiv url: http://arxiv.org/abs/2509.02593v4
• Date: Sun, 19 Oct 2025 22:49:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:09.731835
• Title: Robust Pan-Cancer Mitotic Figure Detection with YOLOv12
• Title（参考訳）: YOLOv12を用いたロバストパンカウンサーミトティックフィギュア検出
• Authors: Raphaël Bourgade, Guillaume Balezo, Hana Feki, Lily Monier, Matthieu Blons, Alice Blondel, Delphine Loussouarn, Anne Vincent-Salomon, Thomas Walter,
• Abstract要約: 本稿では、最先端のYOLOv12オブジェクト検出アーキテクチャに基づくミトティックな人物検出手法を提案する。 予備テストセット(ホットスポットのみ)では0.801のF1スコアを達成し,最終テストリーダボードでは0.7216のF1スコアで2位となった。
• 参考スコア（独自算出の注目度）: 1.2228119373158255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mitotic figures represent a key histoprognostic feature in tumor pathology, providing crucial insights into tumor aggressiveness and proliferation. However, their identification remains challenging, subject to significant inter-observer variability, even among experienced pathologists. To address this issue, the MItosis DOmain Generalization (MIDOG) 2025 challenge marks the third edition of an international competition aiming to develop robust mitosis detection algorithms. In this paper, we present a mitotic figure detection approach based on the state-of-the-art YOLOv12 object detection architecture. Our method achieved an F1-score of 0.801 on the preliminary test set (hotspots only) and ranked second on the final test leaderboard with an F1-score of 0.7216 across complex and heterogeneous whole-slide regions, without relying on external data.
• Abstract（参考訳）: 組織像は腫瘍病理における重要な組織学的特徴であり、腫瘍の攻撃性と増殖に関する重要な知見を提供する。 しかし、その識別は、経験豊富な病理学者でさえも、サーバ間の大きな変動の対象となるため、依然として困難である。 この問題に対処するため、Mitosis DOmain Generalization (MIDOG) 2025 チャレンジは、堅牢な有糸分裂検出アルゴリズムの開発を目的とした国際競争の第3版である。 本稿では,最先端のYOLOv12オブジェクト検出アーキテクチャに基づくミトティックフィギュア検出手法を提案する。 予備テストセット(ホットスポットのみ)では0.801のF1スコアを達成し,F1スコアは0.7216で最終テストリーダーボードでは2位となった。

関連論文リスト

• Patch-Level Glioblastoma Subregion Classification with a Contrastive Learning-Based Encoder [8.220201308071614]
  我々は、トレーニングデータセット上に、専用の分類ヘッドを持つ事前訓練されたビジョントランスフォーマー(ViT)エンコーダを微調整する手法を開発した。 Synapseプラットフォームを用いて評価したオンライン検証セットの性能は, マシューズ相関係数0.7064, F1スコア0.7676を得た。 最終テストセットでは、MCC 0.6509、F1スコア 0.5330を達成し、BraTS-Pathology 2025 Challengeでチーム2位となった。
  論文  参考訳（メタデータ） (2025-11-25T11:49:18Z)
• An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
  結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。 本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。 本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
  論文  参考訳（メタデータ） (2025-10-21T17:18:55Z)
• A Single Detect Focused YOLO Framework for Robust Mitotic Figure Detection [0.0]
  SDF-YOLO(SDF-YOLO)は、ミトティックフィギュアのような小さな、希少なターゲットに対する軽量かつドメインロバストな検出フレームワークである。 モデルはYOLOv11上に構築されており、タスク固有の変更が加えられている。 平均精度は0.799、精度は0.758、リコールは0.775、F1スコアは0.766、FROC-AUCは5.793である。
  論文  参考訳（メタデータ） (2025-09-01T20:41:48Z)
• RF-DETR for Robust Mitotic Figure Detection: A MIDOG 2025 Track 1 Approach [0.0]
  本稿では,MIDOG 2025 チャレンジトラック 1 へのアプローチを,多様な組織学的文脈における堅牢な有糸分裂型人物検出に焦点をあてる。 RF-DETR (Roboflow Detection Transformer) を用いて,MIDOG++データセットをトレーニングした。 予備試験では,0.789点,0.839点,精度0.746点のF1値を得た。
  論文  参考訳（メタデータ） (2025-08-29T16:04:50Z)
• Pan-Cancer mitotic figures detection and domain generalization: MIDOG 2025 Challenge [0.0]
  本報告では、Mitotic Domain Generalization (MIDOG) 2025の課題について詳述する。 癌予後の病理組織学における有糸分裂型人物検出の重要課題に対処する。 従来のciteShen2024framework と非定型mitoses citeshen025_16780587 のトレーニングデータを強化するための2つの新しいデータセットをリリースする。
  論文  参考訳（メタデータ） (2025-08-28T16:11:58Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• CXR-LT 2024: A MICCAI challenge on long-tailed, multi-label, and zero-shot disease classification from chest X-ray [64.2434525370243]
  CXR-LTシリーズは、胸部X線を用いた肺疾患の分類を強化するために設計されたコミュニティ主導のイニシアチブである。 CXR-LT 2024はデータセットを377,110の胸部X線(CXR)と45の疾患ラベルに拡張し、19の新しい稀な疾患の発見を含んでいる。 本稿では、CXR-LT 2024の概要を述べるとともに、データキュレーションプロセスの詳細と最先端ソリューションの統合について述べる。
  論文  参考訳（メタデータ） (2025-06-09T17:53:31Z)
• Analysis of the BraTS 2023 Intracranial Meningioma Segmentation Challenge [44.76736949127792]
  我々はBraTS 2023の頭蓋内髄膜腫チャレンジの設計と結果について述べる。 BraTS髄膜腫チャレンジ(BraTS Meningioma Challenge)は、髄膜腫に焦点を当てた以前のBraTSグリオーマチャレンジとは異なる。 上層部は腫瘍,腫瘍コア,腫瘍全体の拡張のために0.976,0.976,0.964の病変中央値類似係数(DSC)を有していた。
  論文  参考訳（メタデータ） (2024-05-16T03:23:57Z)
• Domain generalization across tumor types, laboratories, and species -- insights from the 2022 edition of the Mitosis Domain Generalization Challenge [15.965814632791504]
  病理組織学的腫瘍標本における有糸分裂像の認識は,患者の予後評価に極めて関連している。 この研究は、課題タスク、参加者が採用する戦略、そしてその成功に寄与する潜在的な要因の概要を示している。
  論文  参考訳（メタデータ） (2023-09-27T11:44:58Z)
• Genetic InfoMax: Exploring Mutual Information Maximization in High-Dimensional Imaging Genetics Studies [50.11449968854487]
  遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。 画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。 本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
  論文  参考訳（メタデータ） (2023-09-26T03:59:21Z)
• DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
  第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。 この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。 本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
  論文  参考訳（メタデータ） (2023-04-05T12:04:55Z)
• CoNIC Challenge: Pushing the Frontiers of Nuclear Detection, Segmentation, Classification and Counting [46.45578907156356]
  我々は、核分裂と細胞組成を評価するために、その種の最大の利用可能なデータセットを用いて、コミュニティ全体の課題をセットアップする。 大腸組織1,658枚の全スライディング画像を用いて,トップパフォーマンスモデルに基づく広範囲な組織解析を行った。 腫瘍微小環境において,核および好酸球が重要な役割を担っていることが示唆された。
  論文  参考訳（メタデータ） (2023-03-11T01:21:13Z)
• Mitosis Detection, Fast and Slow: Robust and Efficient Detection of Mitotic Figures [3.047950378303433]
  そこで本研究では,ミトーシス候補セグメンテーションと候補精錬段階を含む,堅牢で効率的な2段階ミトーシス検出フレームワークを提案する。 EUNetは、候補を低い解像度で正確にセグメント化して、候補検出を大幅に高速化することができる。 本稿では,3つの大規模公用ミトーシスデータセットに対して,提案モデルの性能と一般化性を示す。
  論文  参考訳（メタデータ） (2022-08-26T11:14:59Z)
• FetReg2021: A Challenge on Placental Vessel Segmentation and Registration in Fetoscopy [52.3219875147181]
  2-Twin Transfusion Syndrome (TTTS) に対するレーザー光凝固法が広く採用されている。 このプロシージャは、視野が限られたこと、フェトスコープの操作性が悪いこと、視認性が悪いこと、照明の変動性のために特に困難である。 コンピュータ支援介入(CAI)は、シーン内の重要な構造を特定し、ビデオモザイクを通して胎児の視野を広げることで、外科医に意思決定支援と文脈認識を提供する。 7つのチームがこの課題に参加し、そのモデルパフォーマンスを、6フェットから658ピクセルの注釈付き画像の見当たらないテストデータセットで評価した。
  論文  参考訳（メタデータ） (2022-06-24T23:44:42Z)
• WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic Segmentation for Lung Adenocarcinoma [51.50991881342181]
  この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。 第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
  論文  参考訳（メタデータ） (2022-04-13T15:27:05Z)
• MyoPS: A Benchmark of Myocardial Pathology Segmentation Combining Three-Sequence Cardiac Magnetic Resonance Images [84.02849948202116]
  本研究は,MyoPS(MyoPS)の医療画像解析における新たな課題を定義するものである。 myoPSは、MICCAI 2020とともにMyoPSチャレンジで最初に提案された3シーケンスの心臓磁気共鳴(CMR)画像を組み合わせている。 この課題は45対のCMR画像と予め整列されたCMR画像を提供し、アルゴリズムは3つのCMRシーケンスから補完的な情報を結合して病理領域を分割することを可能にする。
  論文  参考訳（メタデータ） (2022-01-10T06:37:23Z)
• Stain-Robust Mitotic Figure Detection for the Mitosis Domain Generalization Challenge [2.072197863131669]
  Mitosis DOmain Generalization (MIDOG)の課題は、複数のスキャナーから見えないデータに対して、検出モデルの堅牢性をテストすることである。 この課題に対処するために,TAAセンターチームが採用したアプローチについて,簡単な概要を述べる。
  論文  参考訳（メタデータ） (2021-09-02T11:44:42Z)
• COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data for AI-driven COVID-19 analytics [116.6248556979572]
  COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。 肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
  論文  参考訳（メタデータ） (2021-03-18T03:31:33Z)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。