scopal affairsAPTOS Retinopathy Detection
Ein Kaggle-Experiment, das Netzhautbilder in fünf Grade diabetischer Retinopathie einteilt. DenseNet und Mixup verarbeiten einen Datensatz mit uneinheitlicher Bildqualität; das quadratisch gewichtete Kappa misst die Übereinstimmung mit den Labels.
Beitrag zum Kaggle-Codewettbewerb APTOS 2019 Blindness Detection der Asia Pacific Tele-Ophthalmology Society. Aufgabe: Netzhautaufnahmen nach dem Schweregrad der diabetischen Retinopathie einstufen (0 keine, 1 leicht, 2 mäßig, 3 schwer, 4 proliferativ), um sie früh zu erkennen und Sehverlust vorzubeugen.
Trainingsbilder mit Befunden der Netzhaut.
Daten
Die Bilder stammen aus mehreren Kliniken, wurden über einen langen Zeitraum mit verschiedenen Kameras aufgenommen und enthalten Artefakte, Unschärfe sowie Unter- und Überbelichtung. Auch die Einstufungen sind verrauscht.
Vorgehen
- Modell: DenseNet-121 mit vortrainierten Gewichten; zuerst werden nur die letzten Schichten trainiert, dann alle.
- Regularisierung: mixup (Zhang et al.), das auf Mischungen aus Bildpaaren und ihren Einstufungen trainiert, dazu Bildaugmentierung mit imgaug.
- Maß: quadratisch gewichtetes Kappa (QWK), die Übereinstimmung zwischen menschlicher Einstufung und Vorhersage, von 0 bei zufälliger Übereinstimmung bis 1 bei vollständiger. Es wird nach jeder Epoche berechnet, der beste Stand bleibt erhalten.
- Vorhersage: Mittel über vier gespiegelte Fassungen jedes Bildes.
- Aufbau: Keras, GPU, auf Grundlage des Kaggle-Docker-Images. Kernel
Ergebnis
| Rang in der Wertung | Wert (QWK) |
|---|---|
| 1089 | 0,903 |
Lauf des Kernels: privater Wert 0,872, öffentlicher Wert 0,721; Laufzeit 23.810 Sekunden auf GPU.