第42名方案 (Shakeup)

首先，我要感谢威斯康星大学和 Kaggle 团队举办了这场精彩的比赛。祝贺所有的获胜者。

以下是我方案的简要总结：

预处理

• 截断强度最高的 5% 和最低的 5%
• Min-max 缩放（归一化）

模型

• Unet3D 32x64x128x256x320
• ResUnet3D 32x64x128x256x320
• Unet3D 64x128x256x512x1024
• ResUnet3D 64x128x256x512x1024
• 所有模型均使用了深度监督进行训练。

数据增强

• 随机裁剪块 大小为 160x160x80
• 翻转、ShiftScaleRotate（平移缩放旋转）、GridDistortion（网格畸变）、RandomGamma（随机伽马）

训练

• 折数：5折（按病例分割以避免泄露）
• 验证指标：比赛指标
• 优化器：SGD，动量 0.9
• 批次大小：4
• 轮数：1000（每轮耗时约 60秒）
• 学习率调度器：PolyLRScheduler

推理

• 滑动窗口，窗口大小 160x160x80，步长 80x80x40。图块采用高斯中心加权。
• 无 TTA（测试时增强）/ 无后处理 :(

模型弱点

• 底部体素区域的截断导致了假阳性 -> 影响 Dice 系数和 Hausdorff 距离
• 可能的解决方案：后处理，切片分类模型