第二名解决方案

首先，我要感谢 Kaggle 和比赛主办方举办这次挑战赛，也要感谢所有参与这次挑战的参赛者。我参加这次比赛的主要原因是想从社区中学习，我确实从大家身上学到了很多。

获得第二名对我来说是一个惊喜，我完全没有预料到，因为我的公共 LB 分数并不高（0.65-0.67）。

不管怎样，我将分享我在这次比赛中的方法。我的方法很简单，使用 CNN-LSTM 架构进行分类任务。在 CNN 部分我使用了 Efficientnet，LSTM 部分则是从头开始训练的。

所有 4 种 MRI 图像序列（FLAIR、T1w、T1wCE、T2w）都被用作输入。

生成融合 MRI 序列

• 我从 @jonathanbesomi 的数据集 https://www.kaggle.com/jonathanbesomi/rsna-miccai-png 获取了图像，该数据集将所有图像转换为 PNG 格式并移除了空的 DICOM 图像。
• 对于每个 MRI 图像序列，使用均匀时间下采样选择 T=10 帧。例如，对于一个包含 91 帧的视频，使用这种采样策略会选择第 1、11、21、…、91 帧。

def uniform_temporal_subsample(x, num_samples):
    '''
        修改自 https://github.com/facebookresearch/pytorchvideo/blob/d7874f788bc00a
7badfb4310a912f6e531ffd6d3/pytorchvideo/transforms/functional.py#L19
    '''
    t = len(x)
    indices = torch.linspace(0, t - 1, num_samples)
    indices = torch.clamp(indices, 0, t - 1).long()
    return [x[i] for i in indices]

• 在每个选定的时间帧中，将 4 张单通道 MRI 图像拼接成一张 4 通道特征图像，然后进入训练/推理阶段。如果患者缺少一种（或多种）MRI 图像类型，则该图像通道用 0 填充。

模型

选定的用于图像特征提取任务的 CNN 模型是预训练的 EfficientNet B0 模型。由于输入图像有 4 个通道，每个通道对应一种 MRI 图像类型，因此应用 2D 卷积将 4 通道图像映射为 3 通道特征图，以适应预训练 EfficientNet 模型的输入形状。预训练模型的分类头也被替换为大小为 256 的全连接层。

在获得所有 10 个选定帧的嵌入后，这些嵌入被传递到 2 个 LSTM 层，两层的隐藏层大小均为 32。随后是一个预测层，该层有 1 个节点输出分数。

模型训练了 15 个 epoch，使用二元交叉熵损失，Adam 优化器，学习率为 1e-4。

预处理和增强

所有输入图像都被归一化并调整为 (256, 256) 大小。来自同一患者同一 MRI 类型的图像使用相同的参数进行随机增强。

增强列表如下：

• 水平翻转
• 平移缩放旋转
• 随机亮度对比度

我发现使用太多和/或过重的增强方法对训练过程没有帮助，因此在准备训练数据时我只使用了简单的增强。

交叉验证

在 MGMT 值上使用 K=5 的分层 K 折交叉验证。在推理期间，使用所有 5 个模型的平均预测值作为集成的预测值。

代码笔记本

所有训练和推理步骤均在带有 GPU 的 Kaggle 笔记本中完成：

• 训练笔记本：https://www.kaggle.com/minhnhatphan/rnsa-21-cnn-lstm-train/notebook
• 推理笔记本：https://www.kaggle.com/minhnhatphan/rnsa