第18名方案

简介

这是一场非常有趣的比赛，感谢主办方组织了又一个很棒的医学挑战赛。
也要感谢我的队友 @optimo 和 @tivfrvqhs5 带来精彩的合作。David 和我在团队合并截止日期前不久加入了 @optimo 的队伍，当时他在排行榜（LB）上的分数已经是 0.4，这给了我们一周的时间来改进他已经非常出色的流程。

我会保持这份简报简短，但欢迎在评论区提出任何问题。

解决方案

我们的整体解决方案是一个包含三个阶段的流程，并在侧面附加了一些额外内容，如上图所示。

1. 使用与公共内核相同的方式预测骨折。我们使用自定义的 3D-CNN 模型在正确的椎骨中采样帧，以及利用可用的骨折边界框。
2. 以 2.5D 方式重新使用相同的流程，输入 5 帧图像并添加一个 LSTM 头。
3. 切换到研究级别，将所有切片的预测概率输入到一个小型 RNN 或 1D-CNN 中。我们还添加了 yolo-v5-l 模型中最可信骨折框的概率。

评论

• 第二个模型很难调试并使其正常工作，我们没有时间使用比 384 中心裁剪更好的裁剪方法，但我们已经准备好了以椎骨为中心的裁剪 CSV 文件。临近截止日期加入确实很艰难。
• 3D 模型对我们来说效果并不好，但这可能是因为它们需要很多技巧才能发挥最佳性能。
• 我们的模型在检测骨折方面看起来甚至不算出色，但研究级别的模型在利用信号方面做得很好。
• 直到最后一天我一直在优化错误的指标（因为归一化问题），切换到正确的实现帮助很大。

感谢阅读，希望在下一次医学影像竞赛中见到大家 =)