{
  "id": 497433,
  "title": "Melhor maneira de usar a variabilidade no número de camadas",
  "url": "/competitions/spr-head-ct-age-prediction-challenge/discussion/497433",
  "author_name": "Anderson Carlos",
  "post_date": "2024-04-24T16:55:52.290000",
  "votes": 1,
  "comment_count": 3,
  "views": 0,
  "content": "<p>Eu reparei que um dos pacientes no dataset de test possui menos de 100 camadas de imagens. Isso me deixou uma dúvida:<br>\nEstamos lidando com um dataset onde cada paciente possui um número de camadas diferente. Mas como aproveitar todas as camadas de todos os pacientes sem excluir aqueles que possuem menos de 100 camadas?<br>\nExistiria alguma maneira sem precisar utilizar data augmentation? Pergunto, pois todos os modelos (2D ou 3D) precisam de um mesmo padrão de dimensionalidade no dataset de treina</p>",
  "messages": [
    {
      "id": 2776102,
      "postDate": "2024-04-26T02:05:58.040Z",
      "content": "<p>Boa pergunta, Anderson. Existem algumas formas diferentes de modelar esse problema. A escolha de como preprocessar os dados é parte importante do desafio. Resolver essa questão é parte do problema.</p>",
      "rawMarkdown": "Boa pergunta, Anderson. Existem algumas formas diferentes de modelar esse problema. A escolha de como preprocessar os dados é parte importante do desafio. Resolver essa questão é parte do problema.",
      "votes": 1
    },
    {
      "id": 2780034,
      "postDate": "2024-04-28T02:09:50.723Z",
      "content": "<p>I think it's a good question too. Because that is exactly what I was trying to figure out how to deal with.</p>\n<p>One simple solution is to use a 3d model.<br>\nWhen using 3d models, the monai framework is often used for medical imaging. It has a Resize() function in its transform class that allows for easy resizing in the x, y as well as the z direction.</p>\n<p>I'm sure there are countless other solutions and they will affect the final prediction performance. We have a little time left, but let's make this a fruitful competition for us!</p>",
      "rawMarkdown": "I think it's a good question too. Because that is exactly what I was trying to figure out how to deal with.\n\nOne simple solution is to use a 3d model.\nWhen using 3d models, the monai framework is often used for medical imaging. It has a Resize() function in its transform class that allows for easy resizing in the x, y as well as the z direction.\n\nI'm sure there are countless other solutions and they will affect the final prediction performance. We have a little time left, but let's make this a fruitful competition for us!",
      "votes": 2,
      "replies": [
        {
          "id": 2780039,
          "postDate": "2024-04-28T02:22:34.583Z",
          "content": "<p>That’s the spirit of a competition! We are happy that you are all dedicating your time to it!</p>",
          "rawMarkdown": "That’s the spirit of a competition! We are happy that you are all dedicating your time to it!",
          "votes": 2
        }
      ]
    },
    {
      "id": 2772331,
      "postDate": "2024-04-24T16:55:52.290Z",
      "content": "<p>Eu reparei que um dos pacientes no dataset de test possui menos de 100 camadas de imagens. Isso me deixou uma dúvida:<br>\nEstamos lidando com um dataset onde cada paciente possui um número de camadas diferente. Mas como aproveitar todas as camadas de todos os pacientes sem excluir aqueles que possuem menos de 100 camadas?<br>\nExistiria alguma maneira sem precisar utilizar data augmentation? Pergunto, pois todos os modelos (2D ou 3D) precisam de um mesmo padrão de dimensionalidade no dataset de treina</p>",
      "rawMarkdown": "Eu reparei que um dos pacientes no dataset de test possui menos de 100 camadas de imagens. Isso me deixou uma dúvida:\nEstamos lidando com um dataset onde cada paciente possui um número de camadas diferente. Mas como aproveitar todas as camadas de todos os pacientes sem excluir aqueles que possuem menos de 100 camadas?\nExistiria alguma maneira sem precisar utilizar data augmentation? Pergunto, pois todos os modelos (2D ou 3D) precisam de um mesmo padrão de dimensionalidade no dataset de treina",
      "votes": 1
    }
  ],
  "comments": [
    {
      "id": 2776102,
      "author_name": "FelipeKitamura, MD, PhD",
      "author_url": "",
      "post_date": "2024-04-26T02:05:58.040000",
      "content": "<p>Boa pergunta, Anderson. Existem algumas formas diferentes de modelar esse problema. A escolha de como preprocessar os dados é parte importante do desafio. Resolver essa questão é parte do problema.</p>",
      "votes": 1,
      "replies": []
    },
    {
      "id": 2780034,
      "author_name": "YYama",
      "author_url": "",
      "post_date": "2024-04-28T02:09:50.723000",
      "content": "<p>I think it's a good question too. Because that is exactly what I was trying to figure out how to deal with.</p>\n<p>One simple solution is to use a 3d model.<br>\nWhen using 3d models, the monai framework is often used for medical imaging. It has a Resize() function in its transform class that allows for easy resizing in the x, y as well as the z direction.</p>\n<p>I'm sure there are countless other solutions and they will affect the final prediction performance. We have a little time left, but let's make this a fruitful competition for us!</p>",
      "votes": 2,
      "replies": [
        {
          "id": 2780039,
          "author_name": "FelipeKitamura, MD, PhD",
          "author_url": "",
          "post_date": "2024-04-28T02:22:34.583000",
          "content": "<p>That’s the spirit of a competition! We are happy that you are all dedicating your time to it!</p>",
          "votes": 2,
          "replies": []
        }
      ]
    }
  ],
  "raw_markdown_by_id": {
    "2776102": "Boa pergunta, Anderson. Existem algumas formas diferentes de modelar esse problema. A escolha de como preprocessar os dados é parte importante do desafio. Resolver essa questão é parte do problema.",
    "2780034": "I think it's a good question too. Because that is exactly what I was trying to figure out how to deal with.\n\nOne simple solution is to use a 3d model.\nWhen using 3d models, the monai framework is often used for medical imaging. It has a Resize() function in its transform class that allows for easy resizing in the x, y as well as the z direction.\n\nI'm sure there are countless other solutions and they will affect the final prediction performance. We have a little time left, but let's make this a fruitful competition for us!",
    "2772331": "Eu reparei que um dos pacientes no dataset de test possui menos de 100 camadas de imagens. Isso me deixou uma dúvida:\nEstamos lidando com um dataset onde cada paciente possui um número de camadas diferente. Mas como aproveitar todas as camadas de todos os pacientes sem excluir aqueles que possuem menos de 100 camadas?\nExistiria alguma maneira sem precisar utilizar data augmentation? Pergunto, pois todos os modelos (2D ou 3D) precisam de um mesmo padrão de dimensionalidade no dataset de treina"
  }
}