要旨: コンピュータビジョン技術は近年大きく進歩し、医療分野において多様でインパクトのある応用が数多く見いだされています。本論文では、国際バイオメディカル画像シンポジウム（ISBI）に関連して開催されたRiva Cytology ChallengeのTrack B向けに開発された、パパニコロウ染色（Pap smear）画像におけるベセスダ（Bethesda）細胞の検出のための新しい枠組みを紹介します。本研究は細胞検出のためのコンピュータビジョンモデルの強化に焦点を当てており、性能はmAP50-95指標を用いて評価します。YOLOとU-Netのアーキテクチャをアンサンブルした解を提案し、その後、オーバーラップ除去技術と二値分類器を用いる改良段階を行います。本枠組みは、コンペティションにおいてmAP50-95スコア0.5909で2位を獲得しました。実装およびソースコードは以下のリポジトリで公開されています: github.com/martinamster/riva-trackb
子宮頸部細胞診（パパニコロウ塗抹）画像におけるBethesda細胞検出のためのマルチステージ最適化パイプライン
arXiv cs.CV / 2026/4/16
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、Riva Cytology Challenge（ISBI）のTrack Bに向けて、子宮頸部細胞診（パパニコロウ塗抹）画像中のBethesda細胞を検出するマルチステージのコンピュータビジョン・フレームワークを提案している。
- 提案手法はYOLOとU-Netモデルをアンサンブルし、その後、重なり除去による洗練（リファインメント）ステージと、追跡のための二値分類器を適用することで検出品質を向上させる。
- モデル性能はmAP50-95指標で評価され、競技で0.5909のスコアにより2位を獲得している。
- 著者らは、再利用やさらなる実験のためのオープンソース実装を公開GitHubリポジトリとして提供している。
