全国眼科人工智能大会算法挑战赛模型与解决策略

非常幸运，在最近的第二届全国眼科人工智能大会算法挑战赛中，我们组队参加了两个比赛：“① 糖尿病视网膜病变分期”，② “多种眼底疾病诊断”，我们取得了前者第二，后者第一不错的成绩。这里其实非常感谢实验室的小伙伴们，帮忙一块儿调整模型，修改模型融合策略，再加上最后有那么一点运气，才取得了这么好的成绩。

本篇博客将介绍本次算法挑战赛中，我们的模型与解决策略。

下面先介绍一下整个比赛的流程与规则（了解流程与规则，其实对我们最后模型准确率的提升有着非常大的帮助）。

---

1. 比赛流程与规则

比赛分为两个阶段：

a) 热身赛阶段：针对比赛 ① 公布30张没有标注的图片；针对比赛 ② 公布35张没有标注的图片。然后给一周的时间进行训练，训练完成后邮件发送至组委会邮箱，然后组委会会告知能否进入决赛（不会告知你的准确率与排名，也不会公布热身赛数据的 label）。
b) 决赛阶段：针对两个比赛分别提供30张眼底彩照，现场限时15分钟，用自己的笔记本进行结果预测，并按照指定的Excel格式进行输出与提交，最终现场直接公布排名结果。

这里需说明一点：本次比赛不提供训练数据。

① 糖尿病视网膜病变分期，原本要求是如下图所示的七分类分级，但在热身赛提交的前一天，由于目前网上能够找到的开源数据集均为五分类数据，因此临时修改为五分类预测。

但在这里需要注意，中国的分期标准，即使是五分类，我们对增殖期的定义也与美国的定义不同。凭借着过去一年多的项目积累，仔细观察 Kaggle 2019年的糖网分级比赛数据集后可以发现，比赛中的数据集很多地方都将 视网膜前膜出血 与 纤维膜 分到了三期，而非四期，这与我们的比赛要求的分级标准是不一致的。

这也就说明，即使我们在 Kaggle 比赛的10万张数据集上取得了极高的准确率，在真正的热身赛与决赛中也不一定能取得非常优异地成绩。那么我们针对这种情况是怎么来做的呢？后面会进行详细地说明。

② 多种眼底疾病诊断：要求进行七分类疾病诊断（正常，年龄相关性黄斑变性，病理性近视，高血压，糖尿病性视网膜病变，青光眼，其他病变），且不提供训练数据，所有数据都需要网上查找。

这个题目的最大难点在于网上公开的数据集非常非常少，那我们应该如何有效地应用小样本数据进行训练，并取得不错的预测效果呢？同样我们也会在后面进行详细介绍。

---

2. 两个比赛的总体情况介绍