Buchumschlag

Benchmarking Foundation Models for Mitotic Figure Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ammeling, Jonas, Ganz, Jonathan, Rosbach, Emely, Lausser, Ludwig, Bertram, Christof A., Breininger, Katharina, Aubreville, Marc
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Is Self-Supervision Enough? Benchmarking Foundation Models Against End-to-End Training for Mitotic Figure Classification
von: Ganz, Jonathan, et al.
Veröffentlicht: (2024)

Re-identification from histopathology images
von: Ganz, Jonathan, et al.
Veröffentlicht: (2024)

Model-based Cleaning of the QUILT-1M Pathology Dataset for Text-Conditional Image Synthesis
von: Aubreville, Marc, et al.
Veröffentlicht: (2024)

Effortless Vision-Language Model Specialization in Histopathology without Annotation
von: Qiu, Jingna, et al.
Veröffentlicht: (2025)

Histologic Dataset of Normal and Atypical Mitotic Figures on Human Breast Cancer (AMi-Br)
von: Bertram, Christof A., et al.
Veröffentlicht: (2025)

Benchmarking Deep Learning and Vision Foundation Models for Atypical vs. Normal Mitosis Classification with Cross-Dataset Evaluation
von: Banerjee, Sweta, et al.
Veröffentlicht: (2025)

Performance evaluation of deep learning models for image analysis: considerations for visual control and statistical metrics
von: Bertram, Christof A., et al.
Veröffentlicht: (2026)

Automation Bias in AI-Assisted Medical Decision-Making under Time Pressure in Computational Pathology
von: Rosbach, Emely, et al.
Veröffentlicht: (2024)

On the Value of PHH3 for Mitotic Figure Detection on H&E-stained Images
von: Ganz, Jonathan, et al.
Veröffentlicht: (2024)

Dataset creation for supervised deep learning-based analysis of microscopic images -- review of important considerations and recommendations
von: Bertram, Christof A., et al.
Veröffentlicht: (2025)

Stuck on Suggestions: Automation Bias, the Anchoring Effect, and the Factors That Shape Them in Computational Pathology
von: Rosbach, Emely, et al.
Veröffentlicht: (2026)

Rethinking U-net Skip Connections for Biomedical Image Segmentation
von: Wilm, Frauke, et al.
Veröffentlicht: (2024)

Deep Learning model predicts the c-Kit-11 mutational status of canine cutaneous mast cell tumors by HE stained histological slides
von: Puget, Chloé, et al.
Veröffentlicht: (2024)

Domain and Content Adaptive Convolutions for Cross-Domain Adenocarcinoma Segmentation
von: Wilm, Frauke, et al.
Veröffentlicht: (2024)

SWAN -- Enabling Fast and Mobile Histopathology Image Annotation through Swipeable Interfaces
von: Banerjee, Sweta, et al.
Veröffentlicht: (2025)

Leveraging image captions for selective whole slide image annotation
von: Qiu, Jingna, et al.
Veröffentlicht: (2024)

Decomposition Sampling for Efficient Region Annotations in Active Learning
von: Qiu, Jingna, et al.
Veröffentlicht: (2025)

Mind the Gap: Scanner-induced domain shifts pose challenges for representation learning in histopathology
von: Wilm, Frauke, et al.
Veröffentlicht: (2022)

Beyond accuracy: quantifying the reliability of Multiple Instance Learning for Whole Slide Image classification
von: Keshvarikhojasteh, Hassan, et al.
Veröffentlicht: (2024)

Foundation Model-Driven Classification of Atypical Mitotic Figures with Domain-Aware Training Strategies
von: Giedziun, Piotr, et al.
Veröffentlicht: (2025)

Domain generalization across tumor types, laboratories, and species -- insights from the 2022 edition of the Mitosis Domain Generalization Challenge
von: Aubreville, Marc, et al.
Veröffentlicht: (2023)

Solutions for Mitotic Figure Detection and Atypical Classification in MIDOG 2025
von: Xu, Shuting, et al.
Veröffentlicht: (2025)

ConvNeXt with Histopathology-Specific Augmentations for Mitotic Figure Classification
von: Feki, Hana, et al.
Veröffentlicht: (2025)

Faster, Self-Supervised Super-Resolution for Anisotropic Multi-View MRI Using a Sparse Coordinate Loss
von: Schlereth, Maja, et al.
Veröffentlicht: (2025)

Adaptive Learning Strategies for Mitotic Figure Classification in MIDOG2025 Challenge
von: Meng, Biwen, et al.
Veröffentlicht: (2025)

Automated Classification of Normal and Atypical Mitotic Figures Using ConvNeXt V2: MIDOG 2025 Track 2
von: Yamagishi, Yosuke, et al.
Veröffentlicht: (2025)

A bag of tricks for real-time Mitotic Figure detection
von: Marzahl, Christian, et al.
Veröffentlicht: (2025)

Parameter-efficient fine-tuning (PEFT) of Vision Foundation Models for Atypical Mitotic Figure Classification
von: Ramchandani, Lavish, et al.
Veröffentlicht: (2025)

Classifying Mitotic Figures in the MIDOG25 Challenge with Deep Ensemble Learning and Rule Based Refinement
von: Krauss, Sara, et al.
Veröffentlicht: (2025)

Wuerstchen: An Efficient Architecture for Large-Scale Text-to-Image Diffusion Models
von: Pernias, Pablo, et al.
Veröffentlicht: (2023)

An Open Benchmark Dataset for GeoAI Foundation Models for Oil Palm Mapping in Indonesia
von: Wafiq, M. Warizmi, et al.
Veröffentlicht: (2025)

Nuclear Pleomorphism in Canine Cutaneous Mast Cell Tumors: Comparison of Reproducibility and Prognostic Relevance between Estimates, Manual Morphometry and Algorithmic Morphometry
von: Haghofer, Andreas, et al.
Veröffentlicht: (2023)

Robust Pan-Cancer Mitotic Figure Detection with YOLOv12
von: Bourgade, Raphaël, et al.
Veröffentlicht: (2025)

SciFIBench: Benchmarking Large Multimodal Models for Scientific Figure Interpretation
von: Roberts, Jonathan, et al.
Veröffentlicht: (2024)

Efficient Fine-Tuning of DINOv3 Pretrained on Natural Images for Atypical Mitotic Figure Classification (MIDOG 2025 Task 2 Winner)
von: Balezo, Guillaume, et al.
Veröffentlicht: (2025)

Dataset Distillation with Probabilistic Latent Features
von: Li, Zhe, et al.
Veröffentlicht: (2025)

MIDOG 2025 Track 2: A Deep Learning Model for Classification of Atypical and Normal Mitotic Figures under Class and Hardness Imbalances
von: Kotte, Sujatha, et al.
Veröffentlicht: (2025)

RF-DETR for Robust Mitotic Figure Detection: A MIDOG 2025 Track 1 Approach
von: Giedziun, Piotr, et al.
Veröffentlicht: (2025)

CyclePose -- Leveraging Cycle-Consistency for Annotation-Free Nuclei Segmentation in Fluorescence Microscopy
von: Utz, Jonas, et al.
Veröffentlicht: (2025)

Class-Conditioned Transformation for Enhanced Robust Image Classification
von: Blau, Tsachi, et al.
Veröffentlicht: (2023)