В этом соревновании у тебя не будет прямого доступа к рентгеновским изображениям - пока мы не можем предоставить оригиналы из соображений приватности, но мы работаем над этим, и, надеемся, в следующем соревновании будет возможность обучать модели на картинках.

В качестве сырых данных ты получишь предсказания нескольких нейронных сетей-детекторов для маммограмм молочной железы разных пациентов. На вход в каждую нейронную сеть попадает два снимка каждой груди, снятых под разными углами (проекции CC и MLO) в одно и то же время. На выходе мы получаем ряд предсказаний, которые представлены в виде формата json:

• Ключи CC и MLO содержат информацию о детектируемых объектах
  • coordinates - координаты детектируемого объекта на изображении (x_min, y_min, x_max, y_max)
  • object_type - тип детектируемого объекта
    • mass_malignant - злокачественное новообразование
    • mass_benign - доброкачественное новообразование
    • calcinates_malignant - злокачественные кальцинаты
    • calcinates_benign - доброкачественные кальцинаты
    • calcified cyst - кальцифицированная киста
    • calcified vesselss - кальцифицированные сосуды
    • fibrocystic_breast_changes - фиброзно-кистозная мастопатия
    • lymphonodus - лимфоузлы
    • nipple - сосок
    • other - прочие объекты
    • pectoral muscle - косая мышца
    • skin_thickening - утолщение кожи
    • artifact - артефакты изображения
    • papilloma - папилломы
  • probability - вероятность того, что этот bounding box принадлежит к этому классу
  • model_number - номер модели, сделавшей предсказание (1, 2 или 3)
• target_birads - целевая переменная, классификация по шкале Bi-Rads от 1 до 5
• tissue_density_predicted - предсказанная отдельной моделью плотность молочной железы по шкале от 1 до 4
• cancer_probability_predicted - предсказанная отдельной моделью вероятность наличия рака на груди
• patient_id - уникальный номер пациента
• laterality - сторона груди, левая (L) или правая (R) грудь

Мы также прикладываем 2 примера изображений для трейн-сета (их можно сопоставить с данными из json файлов по уникальному id и проекции).

Метрика

Шкала Bi-Rads является ординальной:

• 1 - маммограммы без патологии
• 2 - маммограммы с доброкачественным изменениями
• 3 - маммограммы с доброкачественными изменениями, с подозрением на рак не более 2%
• 4 - маммограммы с подозрением на злокачественные изменения (от 2% до 94%)
• 5 - маммограммы с подозрением на злокачественные изменения (более 95%)

Целевая метрика складывается из двух компонентов:

• Взвешенный balanced accuracy (WBA) - среднее взвешенное чувствительностей по каждому классу (веса классов - 1.0, 1.0, 1.5, 1.5, 1.5). Этот компонент отвечает за корректные предсказания по классам, причём классы с подозрением на злокачественные изменения предсказывать верно важнее.
• Macro Averaged Mean Absolute Error (MA-MAE) - метрика для несбалансированной ординальной классификации в условиях дисбаланса классов. Если правильный Bi-Rads - 2, то лучше предсказать 1, чем 4, эта метрика это учитывает.

Итоговое значение метрики считается как WBA - 0.25 * MA-MAE (веса подобраны эмпирически).

Самбиты

Сабмиты должны быть в csv-файлах, содержащих две колонки - id и BiRads. id - ключ словаря, BiRads - целое число от 1 до 5. Названия колонок регистрочувствительны. Пропусков быть не должно.

Советы

• Не забывайте, что входные данные - это не Ground Truth, а шумные предсказания разных сетей разного качества
• Для каждой груди делается два снимка (проекции CC и MLO) - это информацию можно использовать для генерации полезных фичей
• Для каждого уникального пациента в данных может быть 1 или 2 груди