第 12 名解决方案

首先，我要衷心感谢组织者举办这次比赛。我从中学到了很多。

我的方法非常简单，遵循两阶段方法。在第一阶段，使用关键点检测模型基于预测点提取感兴趣区域 (ROI)。在第二阶段，对 ROI 进行分类。

第一阶段

实际上，我为每种疾病使用了单独的关键点检测模型。值得注意的是，对于关节下状况 (subarticular conditions)，我可以从脊柱点定位相应的椎骨。因此，关节下的关键点模型仅涉及 X 和 Y 轴上的定位，这有助于在后续分类中区分左右。

第二阶段

由于第一阶段已经区分了左右，第二阶段模型无需执行此区分。我为每种疾病训练了单独的分类模型（2.5D CNN + GRU + AttentionHead），并为三种疾病开发了一个组合多模态模型（3*2.5D CNN + GRU + 3*AttentionHead）。最终结果源自这些模型的加权平均。

值得注意的是，为了模拟第一阶段关键点定位的潜在不准确性，我在第二阶段的训练期间引入了指定范围内的 随机抖动 (random jitter)。这种方法允许 ROI 在有限区域内轻微移动，从而提高了我的性能。此外，为了解决标签分布不平衡的问题，我对严重类别的数据实施了过采样。我使用 ResNet50 和 SE-ResNeXt50 作为模型的主干网络。

后处理

我将所有概率乘以 1.3 的温度值。

最后，我回顾了大家分享的方法，发现我的一些方法也包含在其中。我就不在此详述了。谢谢大家，期待在下一次比赛中见到你们！