第17名解决方案 [3D部分] 及 Kaggle 问题报告

首先，感谢我的队友 @ammarali32 和 @jaafarmahmoud1，他们是非常棒的伙伴，让我们在公开排行榜上一直保持在顶尖位置直到最后。我相信我们只是差了一点运气没能拿到金牌。

感谢 Kaggle 和主办方举办这场精彩的比赛，我将在本讨论中总结我们解决方案中我负责的部分，并报告一个关于 Notebook 比赛中潜在的 Kaggle 问题。

概要：

在所有数据上训练 nnunet 并进行 5 折交叉验证。

框架：

nnunet

预处理：

参考了 3D Solution with MONAI [produce 3d data]，感谢 @yiheng。

训练

遵循 说明，但修改了 batchsize=4，epochs=1500 以及一些学习率调整。使用这些设置，在所有数据上训练的模型可以达到 0.881 的分数，而 5 折集成在没有 TTA 或任何后处理的情况下可以达到 0.885。集成所有 6 个模型（全部数据+5折）可以达到 0.887。（所有数字基于公开排行榜）。

推理 [仅 3D 部分]：

nnunet inference

集成：

我们使用了 2.5d 和 3d 预测结果的并集。

潜在的 Kaggle 代码竞赛 Notebook 超时问题 @addisonhoward：

问题是：即使使用相同的代码，根据提交时间的不同，有些提交会通过，有些则可能不会。这个问题在这里和这里被提及。

根据我们的经验（在经历了十几次 Notebook 超时后），我们发现 EST 时间晚上 10 点到早上 6 点是提交的好时机。在这个时间段提交时，我们没有遇到任何问题（不保证）。我们认为这是因为白天人们提交时有高峰和低谷。我们希望总是能在这个时间段提交，但那个时间段对我来说是深夜。

在比赛的最后一天，我们对代码进行了一些修改，并在 EST 时间上午 10 点提交，我们希望将其选为最终结果之一。它本应在约 8 小时 20 分钟内通过。然而，依然出现了 Notebook 超时。

对于代码竞赛和 9 小时的时间限制，我认为无论提交时间如何，所有提交都应被同等对待。我认为这对所有代码竞赛来说都是一个关键问题，期待收到 Kaggle 团队 @addisonhoward 的回复。