第 11 名解决方案

首先，我们要感谢组织者和 Kaggle 团队举办此次竞赛。
我们很荣幸能在这个非常有趣且充满挑战的竞赛中取得成绩。

1. 概述

• 我们的解决方案包含 2 个阶段：
  • 在第 1 阶段，我们估计每个序列要推断的切片索引，并裁剪感兴趣区域 (ROI)。
  • 在第 2 阶段，使用裁剪后的图像作为输入，通过模型分类严重程度级别。
• 标签分类为每个条件构建独立的模型，并连接每个模型的输出以生成最终提交文件。
• 分类模型是每个条件 4~7 个模型的集成。
  • 每个模型的权重是通过 Nelder-Mead 算法最小化交叉验证 (CV) 误差得到的值。

2. 流程细节

我们的流程由以下两个独立的流程组成：

1. YumeNeko 流程
   • 主要由 @kashiwaba 构建
2. YNK 流程
   • 预处理由 @kurimats 负责，建模由 @takashimanaoya 和 @yosukeyama 负责

每个流程生成自己的预测，最终输出通过加权平均集成这些预测产生。
我们已在本讨论的评论部分发布了每个流程的详细信息，请参阅每条评论。

3. 分数

• 每个流程的折叠分割方法不同，但在所有流程中，我们都使用了 5 折或 10 折的分层 K 折交叉验证 (StratifiedKFold)。
• 最终分数如下：
  • 交叉验证 (CV)
    • 椎管狭窄 (包括 any_severe_loss): 0.251
    • 神经孔狭窄：0.464
    • 关节下狭窄：0.524
    • 总体：0.373
  • Leaderboard (LB)
    • 公共榜：0.35
    • 私有榜：0.41