パパニコロウ（Pap）塗抹標本における（前）癌細胞の検出と分類：RIVA子宮頸部細胞診チャレンジのためのアンサンブル戦略

概要: 通常のパップスメア画像における子宮頸部細胞の自動検出・分類は、手作業の負担を軽減し、トリアージを改善し、読影者間の一貫性を高めることで、大規模な子宮頸がん検診を強化し得ます。 しかし、深刻なクラス不均衡と、核の重なりが頻繁に発生することが課題です。 本稿では、これらの条件下で8つのベセスダ細胞カテゴリを対象とした多クラス検出を要求する、RIVA 子宮頸部細胞診チャレンジ（ISBI 2026）に対するアプローチを提示します。 基本アーキテクチャとしてYOLOv11mを用い、検出性能を向上させるための3つの戦略（損失の重み付け、データのリサンプリング、転移学習）を体系的に評価します。 それぞれの戦略で学習したモデルを組み合わせることでアンサンブルを構築し、補完的な検出挙動を促し、Weighted Boxes Fusion（WBF）によってそれらを統合します。 このアンサンブルは、予備テストセットでmAP50-95が0.201、最終テストセットで0.147を達成し、最終テストセットにおいて最良の単一モデルに対して29%の改善を示すとともに、補完的な不均衡緩和戦略を組み合わせる有効性を実証しています。