竞赛回顾:脊柱疾病智能诊断大赛

先说结果：复赛27/3107,只能说一般般，没有打入前top20，并没有实现自己的目标。但是也是收获了不少经验，做一些总结和分享。

失败的经验：

1. 尽早开始，尽快搭建自己的整套pipeline,后面再去增加的自己的idea,不断检验自己的idea.
2. 可以准备一些自己的pipeline模板，这样可以加速开发。
3. 想办法和大佬合作吧，和大佬一起合作。

贴一张最后决赛的结果：

其中GPU第一队，基本是大佬合集，看个人简介就知道，经常获得冠军的队。也是唯一一个实现map超过0.7的队伍。

自己的实现思路：
Unet关键点检测＋resNet分类
要实现的目标：

输入一些dicom医学图像，实现输出关键点的位置和疾病类别分类。

自己实现过的一些思路：

1. 不区分类别，直接将椎体和椎间盘11个关键点输入Unet，输出的预测热图。

2. 将椎体5个点输入一个Unet,将椎间盘6个点输入另一个Unet。在将两个输出合并到一起，组合形成结果。
   
   

3. 输入的图像有很多突出的点(噪点),使用各向异性滤波来处理(平滑)，但是这样处理的话，测试集也需要输入处理。

4. 把整11个点做成高斯热图来输入，当做整个脊椎的热图，但是没有什么改进。

其中面对的一个问题，可以定位到目标大概位置，但是脊椎有很多相似的结构，导致预测的开头容易出现跳格的现象，所以设想一种改进的Loss，主要利用点之间的距离相同，对距离做一个约束，故把这种距离加入到Loss中，我把他命名为posiLoss,后来在一篇论文中看到了相似的改进。

class posiLoss(nn.Module):
    def __init__(self,alph=50, beta=100):
        super(posiLoss, self).__init__()
        self.alph = alph
        self.beta = beta
        self.criterion_part1 = nn.MSELoss()
        self.sz =</