第7名解决方案

首先，我要向Kaggle和比赛组织者表示感谢，感谢他们创建了如此引人入胜的比赛。尽管我相对较晚才加入竞赛，但多亏了@hengck23的深刻讨论、@yoyobar的 informative 视频以及社区内活跃的交流活动，我能够快速上手。

概述

我采用了混合模型方法，使用2.5D图像作为输入。该架构结合了2D Unet框架与3D卷积层。根据我的研究和社区见解，全3D模型似乎比2D模型能提供更好的结果。然而，由于3D模型的高计算成本，我选择在2D Unet结构中融入3D卷积，在效率和性能之间取得平衡。

数据准备

生成3D旋转切片

我通过3D旋转来增强数据集。该过程首先将图像组装成3D体积，然后旋转两个轴，并沿剩余轴提取切片。使用的旋转角度如下：

rotation_angles = [
    [10, 10], [10, -10], [-10, 10], [-10, -10],
    [30, 30], [30, -30], [-30, 30], [-30, -30],
    [45, 45], [45, -45], [-45, 45], [-45, -45]
]

旋转后，部分切片的黑色背景区域增加。为保持数据质量，我只保留那些目标分割存在且黑色背景面积小于切片面积50%的切片。

旋转数据样本

伪标签

伪标签过程包括：

• 使用上述技术为kidney1和kidney3生成额外切片
• 使用增强后的数据集训练模型
• 应用模型为kidney2生成伪标签，并以类似方式为其生成额外切片

模型

架构

训练和推理细节

训练

训练设置如下：

• 模型接收3通道2.5D图像作为输入，输出3通道预测
• 基于每个肾脏的标准差对输入进行归一化
• 使用组合损失函数：BCEWithLogitsLoss、DiceLoss和FocalLoss。分别计算三个通道的损失，中间通道赋予较高权重0.9
• 优化器：AdamW
• 学习率调度器：CosineAnnealingLR
• 图像处理尺寸为1024x1024

推理

推理过程：

• 使用单个模型进行预测
• 模型在原始图像分辨率下运行
• 与训练类似，输入为3通道2.5D图像，输出为3通道预测，主要关注中间通道
• 基于每个肾脏的标准差对输入进行归一化
• 沿x、y、z轴进行预测并平均结果
• 测试时增强（TTA）包括水平翻转
• 后处理步骤包括应用0.2阈值，然后进行3D闭合操作