如今人工智能與傳統(tǒng)行業(yè)的結(jié)合備受矚目，尤其是醫(yī)療行業(yè)，而醫(yī)療影像則被認為是AI與傳統(tǒng)醫(yī)療結(jié)合過程中最先有可能實現(xiàn)商業(yè)化落地的領域之一。
據(jù)了解，目前在醫(yī)療領域還存在很嚴重的資源不均衡，患者在患病后還是習慣第一時間去三甲醫(yī)院就診。但也正是因為這樣的原因，導致影像科醫(yī)生特有的工作環(huán)境和工作壓力，并呈現(xiàn)持續(xù)增長的狀態(tài)，漸漸我們發(fā)現(xiàn)醫(yī)療大數(shù)據(jù)中有超過80%的數(shù)據(jù)來自于醫(yī)療影像，大量的影像數(shù)據(jù)讀取客觀要求更為高效、準確的技術手段，而人工智能恰好可以滿足要求，可見醫(yī)學影像與AI 相結(jié)合勢在必行!
為解決醫(yī)療影像的行業(yè)痛點，12月16日，IBM PowerAI人工智能線下馬拉松編程大賽終極對決即將在北京拉開序幕。
本屆大賽由CSDN與IBM聯(lián)合發(fā)起，主要通過醫(yī)工結(jié)合，運用深度學習、大數(shù)據(jù)驅(qū)動的方式，實現(xiàn)精準的X光胸片影像分析及目標定位。
具體來說，就是通過計算機視覺和大數(shù)據(jù)、深度學習的結(jié)合，將積累的醫(yī)學數(shù)據(jù)轉(zhuǎn)化為可用的模型，利用圖像處理和機器學習算法對圖像進行分析，檢測異常部分;同時利用AI技術克服不同操作人員之間的主觀差異，減輕人工處理的工作量，讓計算機在精確度和速度上幫助醫(yī)生提高診斷效率。
該項比賽結(jié)合大量真實影像數(shù)據(jù)，將人工智能技術應用到肺部X光胸片的病理檢測和目標定位，將大賽成果轉(zhuǎn)化于臨床，輔助醫(yī)生對疾病進行更加精準的診斷與篩查，實現(xiàn)疾病早期發(fā)現(xiàn)、早期干預，更有效減輕病人肺部損害，具有指導性的現(xiàn)實意義。
此外，大賽設置了四類獎項，并分別貫與稱號。一等獎1名(數(shù)據(jù)科學家)，獎金為10,000RMB/團隊;二等獎2名(最佳分析師)，獎金8,000 RMB/團隊;三等獎3名(挖掘精英)，獎金5,000 RMB/團隊;鼓勵獎，到場參賽即可獲得50元京東卡，參賽且提交作者可獲得100元京東卡。
作為既創(chuàng)新又落地的比賽，主辦方特別邀請了重量級業(yè)界以及行業(yè)嘉賓組成強大的評審陣容，同時參賽選手有機會與諸位大咖面對的面接觸，更有可能結(jié)識更優(yōu)秀的團隊來拓寬眼界，增長技術知識，據(jù)小編了解這次比賽現(xiàn)場全程配有視頻直播，更令人期待!
說到底，最最重要的一點，怎樣才可以去參加這樣一場“打造醫(yī)生的火眼金睛”的比賽呢?
本以為這次比賽和同類型的技術編程比賽在流程上大體無異，主要分為報名、集訓、現(xiàn)場編程、提交作品、評審頒獎這幾個基本環(huán)節(jié)，但細心的小編后來發(fā)現(xiàn)，在流程中主辦方特別加入了賽前集訓的環(huán)節(jié)，作為參賽選手硬性被要求參加的部分，也是為了能夠在賽前充分了解賽題需要并做到答疑解惑。
這一點，不得不說主辦方很悉心。
需要說明的一點，大賽對普通團隊的選手身份沒有特別的要求，這種普適性很贊，還比較細致地將參賽機構(gòu)和人群進行了分類，用來保證醫(yī)療以及相關行業(yè)的參賽占比不少于總數(shù)一半。
其中，企業(yè)方面，醫(yī)療行業(yè)人工智能從業(yè)者與創(chuàng)業(yè)者都可以參與其中;高校方，無論是計算機視覺、圖像處理與醫(yī)學影像研究背景的教授、研究員，還是想從事醫(yī)學影像分析的學生都鼓勵參與。
此外，因為這場比賽有關醫(yī)療，當然也十分鼓勵醫(yī)院影像科、放射科、病理科的主任醫(yī)師們以及信息中心主任們加大參與力度，同時為了保證參賽選手的多樣性，主辦方也希望CFDA等醫(yī)療相關監(jiān)管機構(gòu)的從業(yè)者為這次活動添磚加瓦。
打算參賽的選手請注意!
除了注意參賽選手的基本構(gòu)成外，參賽者可以通過個人或團隊形式參與比賽，但小編友情提示，最好是團隊形式，建議每個組 3-5個人;需要自行攜帶筆記本電腦，更具挑戰(zhàn)性的一點就是比賽12小時內(nèi)需要現(xiàn)場編寫程序代碼，聽起來很激動人心!此外參賽選手還必須基于大賽組委會提供的統(tǒng)一訓練樣本數(shù)據(jù)進行分類。
同時，組委會會相應為參賽者準備免費的開發(fā)環(huán)境，ML/DL的架構(gòu)和庫以及在比賽現(xiàn)場可免費使用的訓練樣本數(shù)據(jù)。
關于賽題，我們還需要知道些什么呢?
本次比賽希望通過利用半監(jiān)督的訓練方法從有標注和無標注的圖像數(shù)據(jù)中訓練出一個模型，這個模型可以準確地對圖像數(shù)據(jù)中可能產(chǎn)生病變的位置進行自動偵測標注(detection)。
在沒有足夠量的位置標注(Bounding Box，但是有類別標注)的圖片的前提下，如何結(jié)合數(shù)量不多的已標注的圖片來進行半監(jiān)督的訓練，這是一個需要考察的方面，難點在于如何利用好所有的數(shù)據(jù)資源來提高傳統(tǒng)的目標檢測模型的準確度。
主辦方表示，選手會在現(xiàn)場得到大賽組委會分發(fā)的醫(yī)療影像訓練數(shù)據(jù)，其中包括圖片和標簽文件。標簽文件為標準描述文件ImageNet和PascalVOC格式。
此外，比賽數(shù)據(jù)在比賽最后一小時提供，選手需要提交兩個模型以及對模型的說明：第一個模型需要根據(jù)訓練數(shù)據(jù)訓練出一個多標簽圖像分類模型(Multi-label Classification);第二個模型需要根據(jù)訓練數(shù)據(jù)訓練出一個目標檢測模型，類別同第一個模型，該模型需要能標記出目標位置(bbox)。
數(shù)據(jù)類別分類約為 8-14 類，具體數(shù)量以現(xiàn)場得到數(shù)據(jù)量為準。大賽鼓勵選手發(fā)揮創(chuàng)意來解決標注數(shù)據(jù)不足的問題，對于特別有創(chuàng)意的實現(xiàn)方式會有附加分獎勵。
說到附加分、獎勵這些，本次大賽如何鎖定優(yōu)勝者或者優(yōu)勝團隊呢?小編來扒一扒評分標準吧!
1、成功完成兩個模型的的團隊給予基礎分20分。
2、多標簽分類模型準確率在前三名的團隊分別給予加分，分別是第一名10分，第二名3分，第三名1分，其余團隊不得分，正確率在正負2%以內(nèi)的可以記為并列名次。
3、多標簽分類模型正確率達到75%以上的按照運行時間從短到長取前三名給予性能分獎勵：第一名10分，第二名5分，第三名3分。其余隊伍不得分。未達到 75%以上準確率的隊伍該輪都不得分。
4、第二組目標檢測模型根據(jù)正確率評分標準 (mAP)給予加分40分。 分為6檔, 檔位為95%以上正確率40分, 89%以上30分, 82%以上20分, 75%以上15分， 65%以上10分, 其他0分。
5、目標檢測模型正確率達到 75%以上的按照的按照運行時間從短到長取前三名給予性能分獎勵：第一名10分，第二名5分，第三名3分。其余隊伍不得分。
6、根據(jù)選手實現(xiàn)的模型新穎性，裁判會給出0-10分的附加分。
關于參賽的一些注意事項，通過與主辦方溝通，小編暖心給予提示，參賽選手看過來!
首先，參賽者可以通過Caffe、Tensorflow、Torch and Theano進行模型訓練，鼓勵發(fā)揮GPU on Powe硬件特性;但是要求參賽者編寫神經(jīng)網(wǎng)絡模型實現(xiàn)考題需求。
其次，參賽者可以修改Caffe，Torch, Theano或者Tensorflow源代碼，需要注意的一點，必須在修改后提供代碼修改說明來確定沒有違規(guī)的部分。
此外，參賽者還可以使用github上開源的不同發(fā)行版的Caffe、Torch、Theano或者 Tensorflow，但是必須自己解決在Power上的依賴和編譯問題。
最后一點，賽程當天環(huán)境只提供基于Python 2.7版本的深度學習框架。如需 Python 3版本的框架需自行設置;任何使用模式識別方式或通過編程方式直接識別物體或判斷bbox都視為違規(guī)的。
數(shù)字化要一盤棋更要各自為戰(zhàn)
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。