医疗影像类国内的比赛当属这个了 ,参赛队伍达到了2200多支。
接下来我来谈下自己在比赛中遇到的问题和一些想法。
第一:在对肺实质提取的过程中 ,其实是一个比较繁琐的事。但越是精细的肺实质提取,算法达到的瓶颈就会来的越迟。传统的形态学操作不失为一种好方法
第二:在对输入图片训练用的分割网络。使用了 u-net 和 voxresnet。在做segmentation的时候,注意不要resize,以前在分类网络中resize用的很习惯,这里使用却导致了过拟合,后面发现不进行resize的segmentation 效果更好。后来明白过来:segmentation 是像素级别的分类,resize会损失很多边缘信息。导致精度明显下降。和图片分类对图片的细节不在乎。
第三:在对分类网络进行融合的时候 voting 的效果会比较好。
第四:同样在多尺度上融合的训练 会给精度的提升带来不错的效果。
https://www.cnblogs.com/sddai/p/5696870.html 这个是有关医疗上准确率和召回率相关的科普