ISIC 2024 - Skin Cancer Detection with 3D-TBP

• 概述

  基于图像的算法，以识别来自3D全身照片（TBP）的单一病变裁剪图像中经组织学确认的皮肤癌病例。

• 评估指标

  根据ROC曲线下 TPR 高于80%的部分面积（pAUC）进行评估。取值范围 [0.0, 0.2]

• 数据集

  train-image/ : 训练集的图像文件

  train-image.hdf5 : 包含在单个hdf5文件中的训练图像数据

  train-metadata.csv : 训练集的元数据

  test-image.hdf5 : 测试图像数据

  test-metadata.csv : 测试子集的元数据

• 样本不均衡处理

  由于正负样本极度不均衡，采用将负样本（非恶性病例）按照一定比例， 随机地替换为正样本（恶性病例）

• 网络构建

  图像数据采用预训练 resnet34 进行特征提取，元数据将筛选出的特征进行全连接提取特征，然后与图像数据合并进行最终分类预测

• 提交评估结果

  Public Score：0.13617

  Private Score: 0.12627

• 总结：实现了整体的训练评估流程，但是模型在训练时很容易过拟合，导致最终提交的评估效果很差，主要是数据预处理，特征工程这块做的不到位，只进行了一些基本的处理