第8名解决方案 [附完整代码]

感谢 Kaggle、SIIM、FISABIO 和 RSNA 举办这次比赛。我非常高兴能在两年的 Kaggle 生涯中获得第一枚金牌。我和我的队友们一直努力到最后一晚，最终最后一天的提交在 Private Leaderboard 上排名第8！

解决方案

我们的模型由三部分组成，这也是大多数人采用的方案：
研究级别预测、二分类预测和不透明度边界框检测。

1. 研究级别 4 分类 (negative, typical, indeterminate, atypical)

• 交叉验证策略：分层分组 5 折交叉验证，使用 PatientID 进行分组

• 优化器：AdamW 配合 CosineAnnealingWarmRestarts

• 模型

  • Unet++ (Efficientnetv2)
  • Unet++ (Efficientnetv2) 在 NIH Chest X-rays 上预训练 5 个 epoch
  • Swin Transformer 在 NIH Chest X-rays 上预训练 5 个 epoch
  • 架构概览

• 损失函数

  • Unet++ 使用分类损失 + 分割辅助损失 (1/3*BCELossWithLogits + 2/3*LovaSz loss)。
    (2 class 用于不透明度边界框二值掩码和肺部二值掩码，肺部掩码通过此启发式方法获得，以及不透明度 bbox 掩码)
  • 注意：具有真实空掩码的样本不会参与分割损失计算，通过将输出和目标乘以零来实现，这一点在此 RANZCR 第 4 名解决方案中提到
  • Swin Transformer 仅使用分类损失

• 数据增强

  A.Compose([
      A.Resize(img_size,img_size),
      A.HorizontalFlip(p=0.5),
      RandomBrightness(limit=0.1, p=0.75),
      A.ShiftScaleRotate(shift_limit=0.2, scale_limit=0.2, rotate_limit=30, border_mode=0, p=0.75),
      A.Cutout(max_h_size=int(img_size * 0.3), max_w_size=int(img_size * 0.3), num_holes=1, p=0.75),
      ToTensorV2(p=1.0),
  ])

• 模型集成：Unet++_640x640 + Unet++_512x512 + Unet++_NIH_640x640 + Swin Transformer_384x384

2. 图像级别“不透明度”检测 (作者: @normalkim0)

• 集成 3 个 YOLO 模型和 1 个 CascadedRCNN 模型

  • yolov5x6 输入尺寸 640 (最佳 CV 分数)
  • yolov5x6 输入尺寸 1280
  • yolov5x 输入尺寸 512
  • cascadedRCNN 输入尺寸 640 (参考