第 26 名解决方案
用于分割和信号提取的两阶段训练。
感谢 PhysioNet 和 Kaggle 举办如此精彩的比赛。非常感谢 hengck23、wasupandceacar 以及其他人的无私开源贡献。我们直到最后一周才开始认真投入，因此我们专注于优化得分最高的开源解决方案。我们很激动能取得这个排名，并期待看到获胜者的解决方案！
概述：
我们的解决方案主要基于 hengck23 的开源代码。我们将优化重点放在第一阶段和第二阶段（由于时间不足，我们保留了阶段 0 的原样）。最大的改进来自于第二阶段的两阶段训练，它结合了分割和信号提取。这使得原始信号数据能够直接参与训练过程——这个想法之前在 hengck23 的讨论帖中已经提出过（虽然起初我从图表中不太理解……）。
第一阶段
数据准备：
我们基于多个外部数据集（例如 PTB, PTB-XL, Georgia, CPSC-2018 等），使用修改版的 ecg-image-kit 随机生成了约 10k 张原始 ECG 图像。结合官方数据集，我们将这些图像通过我们的阶段 0 和阶段 1 推理管道进行处理。 resulting 输出作为预标注，然后使用我们自定义的标注软件进行手动 refinement。
模型：
标准 UNet。骨干网络：EfficientNet-V2-S, ResNet34。(AdamW (lr: 1e-4, wd: 2e-5).)
数据增强：
各种 Albumentations 技术，包括 Noise, Blur, ToGray, 和 CLAHE。
简单权重平均 (SWA)：
在训练期间，我们根据验证损失和分数保留排名前三的模型，然后进行离线权重平均。
推理后处理：
- 优化 output_to_predict：在为每个点分配 44/57 范围内的值时，逻辑增强为不仅考虑当前行位置，还考虑周围 3x3 窗口的投票值。
- 网格补全：基于方向向量对分割中缺失的网格点进行插值和填充。
第二阶段
数据准备：
使用修改版的 ecg-image-kit 生成了 20k 张 ECG 图像（带有导联掩码），并结合官方数据集。所有训练数据都经过我们优化的阶段 0 + 阶段 1 推理管道预处理，以获得校正后的无失真图像。
交叉验证：
在官方数据集上使用患者 ID 作为分组进行 5 折交叉验证。合成数据仅包含在每折的训练集中，排除在验证集之外。
两阶段训练：
- 步骤 1：使用合成数据和掩码微调 wasupandceacar 最好的开源分割模型。
- 步骤 2：使用步骤 1 的权重作为预训练骨干网络。我们在分割头之后实现了一个可微分 Soft-Argmax 层，从概率图（logits）中提取信号。使用固定的裁剪参数和零基线坐标，将预测的像素级信号转换为物理信号，以针对 ground truth (GT) 信号计算 L1 + L2 损失。
模型：
wasupandceacar 的 ResNet34-UNet。图像大小：1696 x 4352
分割阶段增强：
各种 Albumentations 技术，包括 Noise, Blur, ToGray, 和 CLAHE。
信号阶段增强：
结合分割阶段的增强与自定义设计的效果：模拟黑色/黄色污渍、镜头失真、纸张折痕、部分阴影和扫描仪噪声。
训练配置：
4x RTX 4090 (DDP), EMA (0.992), AdamW, Warmup + Cosine Scheduler, 2e-5 学习率。每个 epoch 的数据采样：80% 官方数据和 20% 合成数据。
推理配置：
- 集成策略：集成了三个最佳模型（在增强、学习率和折数上有所不同）。我们在概率级别（分割 logits）进行简单平均，然后再通过训练期间使用的相同可微分后处理。
- 遗留逻辑：保留了 ECG 类型分类及其相应预处理的开源逻辑。尽管分类准确性不完美，但它提供了 0.2 的 LB 提升。