第28名解决方案 - Jinho Park
第28名解决方案
作者：Jinho Park | 发布日期：2024年1月4日
这是一场非常有趣的竞赛，我从其他参赛者那里学到了很多技术和见解！
感谢竞赛主办方Kaggle以及 @jirkaborovec 提供的优秀训练和推理代码。
我的方法概述
- TMA图像：中心裁剪和分块，并使用TMA模型进行推理
- WSI图像：对WSI缩略图进行分块，使用肿瘤分类器模型识别肿瘤区域，然后从原始WSI图像中提取分块，使用TMA模型进行亚型分类
- 训练/推理代码
TMA处理流程
- 训练阶段
- TMA模型：使用补充掩膜从WSI图像中提取分块（裁剪尺寸：1024x1024 → 调整大小为512x512），微调 maxvit_tiny_tf_512.in1k
（TMA模型训练时，我使用了癌细胞像素占比超过70%的分块作为训练数据，验证集使用30%~70%肿瘤像素的分块）
- 推理阶段
- 裁剪并调整TMA分块大小（从TMA图像中提取2048x2048分辨率的分块，调整为512x512，步长256，缩放：x40→x10）
- 使用TMA模型推理 → 每个分块预测卵巢亚型
- 采用多数投票机制生成最终预测结果
WSI处理流程详情
- 训练阶段
- 肿瘤分类器：使用WSI缩略图和压缩的WSI补充掩膜训练的TMA模型
- （TMA模型：复用TMA处理流程中的相同模型）
- 推理阶段
- 对WSI缩略图进行分块
- 使用肿瘤分类器推理 → 每个缩略图分块获得肿瘤或非肿瘤结果
- 无肿瘤分块 → 归类为'Other'
- 有肿瘤分块 → 中心裁剪后输入TMA模型，采用多数投票生成最终预测
尝试但未成功的方法