第4名解决方案
TMA处理
TMA图像进行中心裁剪（例如：从3000px裁剪至2500px），然后调整尺寸至768×768像素。
WSI处理
使用单个分割模型进行标题选择。分割模型在缩略图图像和补充掩码数据上训练。从缩略图提取图块用于生成掩码。在WSI中选择癌变概率最高的像素位置，以其为中心裁剪1536×1536像素区域，再调整尺寸至768×768像素用于分数预测。
模型配置
- 共使用16个模型，基于Convnext、Hornet、Efficientnetv1和Efficientnetv2架构。使用sigmoid激活替代softmax进行分数预测
- 模型训练包含5个类别标签+非癌标签（使用补充掩码数据）
- 损失函数：二元交叉熵
- 数据增强：染色增强、缩放、旋转、上下翻转、左右翻转、随机对比度、随机亮度及随机色调（作为染色增强的补充）
- 使用中值平均法生成最终分数
- 单个分类器配合分割模型在Public/Private排行榜分别获得0.49和0.55的分数
- 为优化内存使用，模型分布在两块T4 GPU上运行
外部数据
未使用任何外部数据。
异常值处理
预测分数低于0.05的样本可标记为其他类别。另一种方法是将预测分数最低的5%或10%样本标记为其他。
问题缩略图处理
5251_thumbnail.png
当多张切片并排显示时（如上图），缩略图高度会减小，导致模型预测准确率下降。针对此类缩略图，通过WSI生成新缩略图——这一优化显著提升了分数。