天池医疗AI大赛[第一季] Rank8解决方案[附TensorFlow/PyTorch/Caffe实现方案]

团队成员：北京邮电大学 模式识别实验室硕士研究生

今年5月，参加了天池医疗AI大赛，这次比赛是第一次参加此类的比赛，经过接近半年的比赛，终于10月落下帷幕，作为第一次参加比赛，能在接近3000支队伍中拿到第8名，感觉已经比较满意，不过也有许多遗憾之处，在此主要介绍一下我们比赛的方案。

摘要

本次竞赛要求从数千例CT 影像中找出肺结节的位置，并给出概率。相比于图片，CT影像可以看成3维的数据，更大更耗费资源，也更难以提取特征。我们采用分割+分类的方法，先利用分割网络从CT影像中找出疑似的结节，再利用分类，对找出的疑似结节进行判断。 我们采用了基于3D的解决方案，因此能提取更多的空间信息。同时我们在设计网络的时候，充分考虑不同结节的尺度，识别的难易程度，结合Residual和Inception的结构思想，设计了ReCeption结构，在不同尺度，分辨率的结节上都有着较好的效果。团队队员第一次参加竞赛，经验不够丰富，基本未使用模型融合的方式，主要是简单的boost方法。

一、赛题解析

1.1 任务介绍

本次大赛要求参赛者使用患者的CT影像数据（mhd格式）训练模型算法，在测试数据集中找出CT影像中的肺部结节的位置并给出是一个真正肺结节的概率。初赛在线下自由完成（先使用了TensorFlow后来改用PyTorch），复赛必须在线上使用PAI平台的定制版的Caffe。