⭐️ Remek & Andrij - 第9名方案 ⭐️

首先恭喜所有参赛者。恭喜金牌区的梦之队。你们在赢得Kaggle比赛方面的一贯表现令我印象深刻。期待向你们的方案学习。

感谢我的队友 Andrij @aikhmelnytskyy。我们的合作非常愉快 👍👍👍 —— 从我们组队的第一分钟起，我就感觉到我们有一个共同的目标——找到更好的解决方案。

在比赛中获得金牌是我的梦想。去年我们（与 @christofhenkel）在银牌区排名第一（Image Matching Challenge 2021的第12名方案）。今年我决定努力工作，体验金牌区并最终成为竞赛大师。尽管官方LB尚未最终确定……我们是第9名，进入了金牌区！:) 我……极其高兴！😁😁😍😜

这次比赛非常适合测试许多不同的计算机视觉技术。三个月过得很快。比赛的第一阶段很困难。我们进行了大量不同的测试，但结果都没有超过0.3（LB分数）。这非常令人沮丧。我们无法找到本地CV和LB之间的任何相关性。然后我们建立了良好的训练流程——我们成功的主要点是：

• 采样策略和正类平衡
• 数据增强
• 模型选择
• 后处理

比赛的最后两周对我来说很艰难——我感染了新冠，不得不暂停（在康复期间我使用iPad编程）。但我们一直合作，最终成功跻身TOP10，达到0.63（公共LB）。最终我们在公共LB上排名第13，在私有LB上排名第9！

模型分数总结

• 最佳公共LB：0.63（集成）/ 0.57（单模型）/ 本地CV（0.48）
• 私有LB：0.50（最高：0.50）

比赛成就

• Kaggle比赛的新体验 —— 很多精彩的讨论
• 1枚金牌 - 数据集（我很开心 - 我的第一枚）
• 2枚金牌 - Notebook
• 1枚金牌 - 比赛 -> 极其开心！😁😁😍😜

我们的最终选择

我们选择了两种基于相同模型设置的不同方案。

• 3个模型 - 集成平均模型预测概率 -> LB: 0.63 (PL: 0.47)
• 3个模型 - 投票策略，然后平均得分（基于投票得分） -> LB: 0.62 (PL: 0.5)

经过多次测试，我们强烈感觉我们的第二个选择（尽管LB分数低于我们许多其他方案）比其他方案更稳定（对阈值不那么敏感）。所以我们闭上眼睛，相信我们的测试而不是LB分数。

解决方案描述（4个步骤）

我们的解决方案非常简单。我们尝试了不同的方法来预测乳腺癌，但最终发现最简单的方案对我们最有效（无论是本地CV还是LB）。

1. 将dicom文件处理为png（窗口化）。
2. 推理 – 3个带有TTA的ConvNext (v1) 模型
3. 集成 – 概率平均或投票
4. 阈值处理 – 阈值 ~0.5 -> 最终预测结果 0|1

数据集

• 图像分辨率：1536x768
• ROI裁剪 - cv2.connectedComponentsWithStats 方法（我们在原型阶段开始使用yolov5，但后来使用了cv2 - 因为许可证规定）
• 4-GroupFold：基于patient_id
• 图像像素缩放：除以255。
• dicom2png – 由 @hengck23 提供 (链接)
• 我们不使用外部数据集——所有模型均在比赛数据上训练
• 我们分两步处理数据（为了避免文件存储容量问题——在测试期间我们将图像导出为不同的分辨率——最大2400px）：
  1. 处理j2k文件格式（dicom2png并裁剪至1536xW - 在此步骤中我们不将其调整为最终分辨率）->推理->删除文件