論文の概要: WBCBench 2026: A Challenge for Robust White Blood Cell Classification Under Class Imbalance

• arxiv url: http://arxiv.org/abs/2604.10797v1
• Date: Sun, 12 Apr 2026 20:04:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.222996
• Title: WBCBench 2026: A Challenge for Robust White Blood Cell Classification Under Class Imbalance
• Title（参考訳）: WBCBench 2026:クラス不均衡下でのロバストな白血球分類への挑戦
• Authors: Xin Tian, Xudong Ma, Tianqi Yang, Alin Achim, Bartłomiej W Papież, Phandee Watanaboonyongcharoen, Nantheera Anantrasirichai,
• Abstract要約: WBCBench 2026は、自動WBC分類のためのI SBIチャレンジおよびベンチマークである。 本稿では,課題を概観し,提案した解決策と最終結果について要約する。 本稿では,標準化された提出スキーマ,オープンソース評価器,マクロ平均F1スコアを主要なランキング基準として指定する。
• 参考スコア（独自算出の注目度）: 10.424924450197137
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present WBCBench 2026, an ISBI challenge and benchmark for automated WBC classification designed to stress-test algorithms under three key difficulties: (i) severe class imbalance across 13 morphologically fine-grained WBC classes, (ii) strict patient-level separation between training, validation and test sets, and (iii) synthetic scanner- and setting-induced domain shift via controlled noise, blur and illumination perturbations. All images are single-site microscopic blood smear acquisitions with standardised staining and expert hematopathologist annotations. This paper reviews the challenge and summarises the proposed solutions and final outcomes. The benchmark is organised into two phases. Phase 1 provides a pristine training set. Phase 2 introduces degraded images with split-specific severity distributions for train, validation and test, emulating a realistic shift between development and deployment conditions. We specify a standardised submission schema, open-source evaluator, and macro-averaged F1 score as the primary ranking metric.
• Abstract（参考訳）: We present WBCBench 2026, a ISBI Challenge and benchmark for automated WBC classification designed to stress-test algorithm under three key difficulties: i) 形態学的に微粒なWBCクラス間の重度のクラス不均衡。 二 訓練、検証及びテストセットの厳格な患者レベル分離及び 三 制御ノイズ、ぼかし及び照明摂動による合成スキャナー及び設定によるドメインシフト。 すべての画像は、標準化された染色と専門の血液病理学者のアノテーションによる単一部位の血液スミア取得である。 本稿では,課題を概観し,提案した解決策と最終結果について要約する。 ベンチマークは2つのフェーズに分けられる。 フェーズ1は、原始的なトレーニングセットを提供する。 フェーズ2では,開発条件とデプロイメント条件の現実的なシフトをエミュレートした,トレーニング,検証,テストのための分割特異的な重大度分布を備えた劣化したイメージを導入している。 本稿では,標準化された提出スキーマ,オープンソース評価器,マクロ平均F1スコアを主要なランキング基準として指定する。

関連論文リスト

• Fair Lung Disease Diagnosis from Chest CT via Gender-Adversarial Attention Multiple Instance Learning [6.302369456012738]
  胸部CTボリュームからの多型肺疾患診断のためのフェアネス・アウェア・フレームワークについて検討した。 この課題は、CTスキャンを健康、新型コロナウイルス、腺癌、扁平上皮癌という4つのカテゴリに分類する必要がある。 我々のアプローチは、何百ものスライスにまたがるまばらな病理信号と、病気の階級と性別にまたがる深刻な人口不均衡の2つの問題に対処する。
  論文  参考訳（メタデータ） (2026-03-13T13:42:52Z)
• Robust White Blood Cell Classification with Stain-Normalized Decoupled Learning and Ensembling [6.750164263871006]
  白血球分類(WBC)は、感染症評価、白血病スクリーニング、治療モニタリングなどの血液学の応用に欠かせない。 本稿では、インスタンスバランスサンプリングを用いて、転送可能な表現を学習するステンドノーマライズされた非結合型トレーニングフレームワークを提案する。 推論段階では,様々なトレーニングされたバックボーンをテスト時間拡張でアンサンブルすることにより,ロバスト性をさらに向上する。
  論文  参考訳（メタデータ） (2026-03-02T15:31:25Z)
• SG-CLDFF: A Novel Framework for Automated White Blood Cell Classification and Segmentation [0.0]
  SG-CLDFF(Saliency-Guided Cross-Layer Deep Feature Fusion framework) 軽量なハイブリッドバックボーン(Swin-style)は、ResNeXt-CCinspired cross-layer fusion moduleによって融合されたマルチレゾリューション表現を生成する。 解釈性はGrad-CAMビジュアライゼーションと唾液濃度の整合性チェックを通じて実施され、モデル決定を地域レベルで検査することができる。
  論文  参考訳（メタデータ） (2025-10-20T08:07:39Z)
• EndoCIL: A Class-Incremental Learning Framework for Endoscopic Image Classification [5.574295682041076]
  内視鏡画像解析のためのクラスインクリメンタルラーニング(CIL)は,臨床応用に不可欠である。 本稿では,内視鏡的画像診断に適した新しい統合型CILフレームワークであるEndoCILを提案する。
  論文  参考訳（メタデータ） (2025-10-20T06:26:54Z)
• Iterative Online Image Synthesis via Diffusion Model for Imbalanced Classification [29.730360798234294]
  医用画像分類におけるクラス不均衡問題に対処するための反復オンライン画像合成フレームワークを提案する。 このフレームワークにはオンライン画像合成(OIS)と精度適応サンプリング(AAS)という2つの重要なモジュールが組み込まれている。 不均衡な分類に対処するための提案手法の有効性を評価するため,HAM10000およびAPTOSデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-03-13T10:51:18Z)
• Balanced Classification: A Unified Framework for Long-Tailed Object Detection [74.94216414011326]
  従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。 本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。 BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2023-08-04T09:11:07Z)
• Learning Discriminative Representation via Metric Learning for Imbalanced Medical Image Classification [52.94051907952536]
  本稿では,特徴抽出器がより識別的な特徴表現を抽出するのを助けるために,2段階フレームワークの第1段階にメトリック学習を組み込むことを提案する。 主に3つの医用画像データセットを用いて実験したところ、提案手法は既存の1段階と2段階のアプローチより一貫して優れていた。
  論文  参考訳（メタデータ） (2022-07-14T14:57:01Z)
• PCCT: Progressive Class-Center Triplet Loss for Imbalanced Medical Image Classification [55.703445291264]
  不均衡トレーニングデータは、医用画像分類において重要な課題である。 クラス不均衡問題を軽減するために,PCCT(Progressive Class-Center Triplet)フレームワークを提案する。 PCCTフレームワークは、不均衡な訓練画像を用いた医用画像分類に効果的に機能する。
  論文  参考訳（メタデータ） (2022-07-11T11:43:51Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Generalized and Incremental Few-Shot Learning by Explicit Learning and Calibration without Forgetting [86.56447683502951]
  これらの課題を明確かつ効果的に解決できる3段階のフレームワークを提案する。 提案手法を,画像とビデオの断片分類のための4つの挑戦的ベンチマークデータセット上で評価した。
  論文  参考訳（メタデータ） (2021-08-18T14:21:43Z)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)

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。