摘要

AUTO-PCOS分类挑战旨在通过自动分类健康和非健康超声图像帧，推进人工智能（AI）在多囊卵巢综合征（PCOS）诊断方面的能力。本报告概述了我们构建稳健的AI流水线的方法，该流水线利用InceptionV3架构的迁移学习实现了二分类的高精度。预处理步骤确保了数据集在训练、验证和测试中的优化，而可解释性方法如LIME和显著图提供了对模型决策过程的宝贵见解。我们的方法在验证数据上达到了90.52%的准确率，精确度、召回率和F1分数均超过90%，展示了其有效性。该项目强调了AI在医疗保健领域的变革潜力，特别是在解决像PCOS这样的诊断难题方面。报告讨论了关键发现、面临的挑战以及未来改进的建议，突显了创建可靠、可解释且可扩展的AI驱动医学诊断工具的发展路径。