Identification d’images de mélanome à l’aide d’un ensemble EfficientNet : solution gagnante du défi de classification du mélanome SIIM-ISIC

Nous présentons notre solution gagnante au concours SIIM-ISIC de classification des mélanomes. Il s'agit d'un ensemble de modèles de réseaux de neurones convolutifs (CNN) basés sur différentes architectures (backbones) et tailles d'entrée, dont la majorité sont des modèles ne prenant en entrée que les images, tandis que quelques-uns intègrent également des métadonnées au niveau de l'image ou du patient. Les éléments clés de notre succès sont : (1) un schéma de validation stable, (2) un choix judicieux de la cible du modèle, (3) un pipeline soigneusement ajusté, et (4) un ensemble combinant des modèles très diversifiés. La soumission gagnante a obtenu un score de 0,9600 en validation croisée et de 0,9490 en AUC sur le classement privé.