performance都会有比较大的差别。很多团队会把大多数的时间和精力花在这个上面，但是我认为是比较浪费的，因为这个过程很费时间，又不怎么需要动脑子，一般的结果就是在deadline来之前一直在调参，当回顾比赛的全过程的时候发现真正novelty activity的时间并不多。

Detection，实质上是需要训练网络的，对于这部分我需要进一步的研究，到底是用先验知识来设计Feature，还是直接用Deep Learning end2end。

他们所使用的18个特征

Note: 这部分很有意思啦，我不知道在remove掉很多irrelative parts之后，留下来坑坑洼洼的ROI，他们是怎么计算Nodule的直径的... 如果可以算直径的话说明那个训练器的效果确实很好。
Note: 然后还有spiculation这种指标该怎么算，我的预判是网络的输出应该不会特别的理想啊，要想得到清晰的轮廓有这么容易吗？不应该是prediction map想云一样模模糊糊的吗，如此算出来的spiculation真的可靠吗？
Check: 不知道这里用的是分类模型CNN...还是分割模型UNet／FCN... 我需要去看他们的code才能弄清楚。