PANTHER: студенческий проект AIRI выиграл FLARE 2026, найдя опухоль за 11 секунд

Модель PANTHER, разработанная студентом МФТИ Василием Барановым на Летней школе AIRI, выиграла соревнование FLARE 2026 по скорости поиска опухолей на КТ-снимках. Её решение — не гонка за сложностью архитектуры, а три простых идеи о данных, ансамблях и фильтрации.

FLARE 2026: условия и задача

Соревнование предложило панорамную задачу с жесткими рамками. Найти опухоль любого органа (печени, почки, поджелудочной, легкого, лимфоузла) на КТ-снимке за 60 секунд, используя не более 4 ГБ видеопамяти, 28 ГБ оперативной памяти, без интернета и внешних предобученных весов.

Обучающая выборка: 17 575 размеченных КТ из более чем 50 источников. Названы: DeepLesion, KiTS, LiTS, MSD, autoPET, TotalSegmentator, LIDC и другие. Разметка частичная — в каждом датасете размечены опухоли только определённых органов, остальное неизвестно. Плюс 122 ГБ неразмеченных КТ и 172 снимка здоровых пациентов для проверки ложных срабатываний.

Рейтинг считался поровну: половина — скорость и эффективность (видеопамять × время инференса на снимок), половина — точность через две метрики. Dice (DSC) показывает совпадение объёма предсказанной маски опухоли с разметкой врача (1 = идеально, 0 = ничего общего). Normalized Surface Dice (NSD) проверяет границы: какая доля поверхности опухоли совпадает с точностью до 2 мм. Модели, работающие медленнее 60 секунд, получают Dice = 0 и выбывают из конкурса.

Три идеи PANTHER: состав, ансамбль, фильтр

Состав данных важнее архитектуры. Датасет был крайне дисбалансирован: 5700 КТ всего тела, 5700 грудной клетки, но рак пищевода — 154 снимка, толстой кишки — 126, рак эндометрия (слизистой тела матки) — 79, опухоли надпочечников — всего 52. Если учить на всем подряд, модель становится экспертом по крупным источникам и смутно догадывается о редких органах. Авторы сделали Dataset500: ограничили крупные источники, редкие взяли целиком. Получилось 8762 КТ из 28 датасетов в 11 анатомических группах. Результат: Dice +0.060 по сравнению с полным датасетом из 17 575 снимков. Для сравнения, смена архитектуры на residual-энкодер (в три раза больше параметров) дала всего +0.002 — на порядок меньше.

Авторы также загрубили сетку до 2.0×1.5×1.5 мм вместо рекомендованных 0.78 мм, чтобы один патч покрывал вдвое больше тела — большие опухоли перестали «не влезать». Обратный эксперимент с изотропными 1.25 мм обошелся в −0.078 Dice.

Ансамбль пяти фолдов plain U-Net. Пять моделей голосуют усредненной вероятностью: воксель попадает в маску, только если большинство проголосовало «да». На 172 здоровых КТ одна модель нашла «опухоль» на всех 172 (да, на всех), ансамбль промолчал на 52. Бонус: ансамбль дал +0.028 Dice на снимках с реальными опухолями.

Фильтр Махаланобиса по форме маски. На остальных 120 здоровых снимках ансамбль что-то нашел. Авторы выделили характерный почерк «мусора»: мелкие кусочки, разбросанные по снимку; ни один не доминирует; много поверхности относительно объема. Настоящие опухоли выглядят иначе: плотные компактные очаги.

Для каждой маски считают пять признаков: общий объем, число кусочков (крупнее 3×3×3 вокселя), объем самого крупного, его доля от общего объема, отношение площади поверхности к объему. Эти пять чисел дают «портрет» типичной ошибки. Расстояние Махаланобиса показывает, насколько новая маска похожа на этот портрет. Если расстояние ≤ 7.0 — это мусор, маска стирается. Результат: ложные срабатывания упали с 70% до 8%, потеря Dice на реальных опухолях — только 0.004.

PANTHER работает за 11 секунд на 4 ГБ видеопамяти, обогнав конкурентов по скорости. Это доказывает: правильная предобработка и простые ансамблевые техники бьют сложные архитектуры.