Recientemente estuve trabajando en una tarea que a menudo se discute en tecnología médica, pero no todos logran un prototipo funcional: era necesario enseñar a un modelo a mirar una radiografía de tórax y generar probabilidades de varias patologías a la vez. Ni segmentación, ni generación de informes, solo clasificación con etiquetas múltiples, de modo que el resultado sería algo así como “derrame pleural 87%, neumotórax 12%”.
No quería un ajuste completo de una red grande en una GPU alquilada: es costoso, requiere mucho tiempo y existe el riesgo de volver a entrenar en un par de decenas de miles de imágenes. Por lo tanto, seguí el camino de sondeo lineal: tomé un codificador pesado previamente entrenado, lo congelé y entrené solo una cabeza pequeña. Como resultado, el AUC macro para la validación resultó ser 0,9025 y el entrenamiento se llevó a cabo en diez épocas.
A continuación se muestra cómo funciona la canalización, dónde me equivoqué con las rutas al conjunto de datos y por qué abandoné la reflexión horizontal.
Leer más
|
@habr_ai