第6名方案（两阶段模型）

首先，我要特别感谢主办方举办了这次挑战赛，也要感谢我在 Train4Ever 团队的所有队友 @tungvs、@researchbntz、@duykhanh99、@damtrongtuyen 以及本次比赛中所有优秀的 Kagglers。以下是我所在团队的简要方案总结。

您也可以在 Github 仓库中找到所有代码和详细指南：https://github.com/gallegi/T4E_MICCAI_BrainTumor

1. 方案概述

1.1. 架构

我们在私有排行榜上表现最好的模型结合了两阶段的训练和推理。

• 第一阶段是独立训练一个分割模型，该模型能够正确分割肿瘤掩码（我们称之为分割阶段）。
• 第二阶段是分类阶段，训练一个分类模型。我们使用训练好的分割模型生成肿瘤掩码，将其与原始图像结合形成3通道输入，供分类模型进行训练和推理。
• 所有模型均采用2D图像处理方式。分割阶段使用带有 Densenet121 骨干网络的 Unet++ 模型，分类阶段则采用了以 Eca NFNet L0 为特征提取器的长短期记忆网络（LSTM）架构。

同比赛其他方案