第三名解决方案
高分辨率映射 + 抛物线细化
概述
- 高分辨率映射校正： 使用低分辨率图像计算几何参数，然后将其放大并直接应用于原始高分辨率图像。这有助于避免丢失细节。
- 训练： 使用强大的数据增强使模型更加稳健。
- 亚像素精度： 使用抛物线细化方法将像素级预测转换为准确的浮点值。
有关完整实现细节和源代码，请参考我们的 GitHub 仓库和 Notebook：
训练代码 (GitHub) https://github.com/tanghaozhe/physionet-ecg-image-digitization-3rd-place 提交 Notebook https://www.kaggle.com/code/hirotetsu/physionet-submission-3rd-place掩膜准备 (Mask Preparation)
对于掩膜生成，我们使用信号数据绘制一像素宽的线。我们也尝试通过添加高斯模糊使线变宽以创建更柔和的标签，但这并没有改善结果。因此，我们决定保持一像素掩膜，并故意训练一个“过拟合”的模型，使其以高置信度预测细波形。
| 图像尺寸 | 信噪比 SNR (dB) | 备注 |
|---|---|---|
| 2200 x 1700 | 24.2235 | 标准尺寸 (200 DPI) |
| 4400 x 1700 | 31.2271 | 选定尺寸 |
- 更宽的图像： 将宽度增加到 4400 像素大大提高了信噪比 (SNR)。ECG 信号是时间序列数据，因此更多的水平像素意味着更好的采样和更少的量化误差。
- 固定高度： 高度保持不变。保持波形厚度接近 1 像素有助于模型更准确地预测信号位置，并使后处理更稳定。
我们评估了不同掩膜尺寸的信噪比，发现较大的掩膜通常能提供更好的信噪比。然而，由于推理内存有限和训练结果，我们选择在保持原始高度的同时将宽度加倍。这里的问题是如何在校正过程中保持图像质量，我们通过将图像变换步骤与校正过程分离来解决这个问题。
高分辨率映射校正 (High-Resolution Mapping Rectification)
校正模型输出的校正图像尺寸相对较小，这可能会在校正过程中导致质量损失。为了避免重复调整大小造成的退化，我们将过程分为两步：
- 参数估计（低分辨率）
- 图像变换（高分辨率）
单应性矩阵 (Homography matrix) 和网格坐标被缩放以匹配原始 raw 图像的大小。这种方法在实验中产生了显著的改进。
信号分割模型 (Signal Segmentation Model)
编码器 (encoder)：
- ConvNeXt V2
- HRNet
- EfficientNet V2
在我们的实验中，性能排名为 ConvNeXt V2 > HRNet > EfficientNet V2。对于最终提交，我们通过取后处理信号的加权平均来集成 ConvNeXt V2 和 HRNet 模型，而不是直接平均分割概率。这种信号级集成产生了更好的结果。
解码器 (decoder)：
- UnetDecoder
数据增强 (Augmentation)：
- GridDropout
- CoarseDropout
- AddPerlinDirt
- MotionBlur
- Downscale
- GaussianBlur
- ImageCompression
- GaussNoise
- ISONoise
- ToGray
- RandomBrightnessContrast
- HueSaturationValue
- RandomShadow
- ElasticTransform
- HorizontalFlip
- VerticalFlip
考虑到隐藏测试数据中的一些样本可能噪声很高，我们在训练期间应用了非常激进的数据增强。我们添加了一个小的 ElasticTransform 来模拟展开图像中的失真，其中波形和网格线都可能因展开过程本身而略微扭曲。
损失函数 (Loss)：
我们使用 BCE 损失训练模型。在实践中，即使在最低损失下，预测的波形仍然太粗。为了获得细的、接近一像素宽的波形边界，我们故意继续训练一个“过拟合”的模型，并使用 Dice 分数和 CV 分数作为模型选择的主要标准。
亚像素信号处理 (Sub-pixel Signal Processing)
我们尝试了不同的策略将像素位置转换为时间序列值。两种有效的方法是：
- 加权质心 (Weighted Centroid)： 我们选择了前 K 个像素，并使用预测概率作为权重计算最终位置。这种方法产生了良好的结果，但对 K 的选择和加权指数敏感。
- 抛物线插值 (Parabolic Interpolation)： 它通过拟合峰值及其两个邻居的局部抛物线来细化整数 argmax，给出亚像素（浮点）峰值位置。
我们选择了抛物线插值，因为它在我们的实验中始终提供最佳性能。我们认为这是因为模型输出了非常细、锐利的线，对于这种情况，抛物线插值提供了一种可靠的方法来估计真实位置，而不需要超参数调整。
偏移量计算如下：
最终位置为：
其他 (Others)
- 导联 II 融合 (Lead II Fusion)： 通过平均重叠的头部区域，将短导联 II 预测与长节律条 (Series 3) 合并。
- 爱因托芬校正 (Einthoven Correction)： 应用 Einthoven 校正来调整导联 I、II 和 III，同时强制物理约束 II=I+III。导联 II 被赋予更高的重要性（权重 = 2），而导联 I 和 III 使用相等的较低权重（权重 = 1）。
- 测试时增强 (TTA)： 原始、水平翻转、垂直翻转以及两者都翻转。