第5名方案

我要感谢 Kaggle 和竞赛主办方提供的这次学习机会。

代码链接：Github。

数据集

模型训练使用了这个 Kaggle 数据集。感谢 @jonathanbesomi 为我们提供这个精简的数据集。

方法

• 我对每种类型的 mpMRI 扫描（即 FLAIR、T1w、T1Gd、T2）各采样了 10 张图像，并计算每种类型的平均值，从而得到 4 张 2D 图像。
• 然后，我将这 4 张图像拼接起来，得到一个 4 通道（4 x h x w）的图像，并将其通过一个 1x1 卷积瓶颈层，以获得一个 3 通道（3 x h x w）的特征图。
• 该特征图通过一个 CNN（Efficientnet）来预测 MGMT 值。
• 我使用了泰勒交叉熵损失进行训练，因为我认为由于样本数量较少，该数据集可能存在一些噪声。

代码笔记本

训练笔记本：https://www.kaggle.com/abhimanyukarshni/rsna-training/notebook

推理笔记本：https://www.kaggle.com/abhimanyukarshni/rsna-inference/notebook