Erkennung von Melanomabildern mithilfe eines EfficientNet-Ensembles: Gewinnende Lösung für die SIIM-ISIC-Hautmelanom-Klassifizierungs-Herausforderung

Wir präsentieren unsere Siegerlösung für die SIIM-ISIC Melanom-Klassifizierungsaufgabe. Es handelt sich um ein Ensemble aus Convolutional Neural Network (CNN)-Modellen mit unterschiedlichen Backbones und Eingabegrößen, wobei die meisten Modelle ausschließlich bilddatenbasiert sind, während einige zusätzliche Metadaten auf Bild- und Patientenebene nutzen. Die Schlüsselfaktoren unserer Siegerleistung waren: (1) ein stabiler Validierungsschema, (2) eine sorgfältig gewählte Modellzielsetzung, (3) fein abgestimmte Pipeline und (4) das Ensembles von äußerst diversen Modellen. Die beste Einreichung erreichte eine AUC von 0,9600 im Kreuzvalidierungstest und 0,9490 AUC auf dem privaten Leaderboard.