kaggle新赛:RSNA 2023 腹部创伤检测大赛赛题解析(CV)

kaggle新赛:RSNA 2023 腹部创伤检测大赛赛题解析(CV)_第1张图片

赛题名称:RSNA 2023 Abdominal Trauma Detection

赛题链接: https://www.kaggle.com/competitions/rsna-2023-abdominal-trauma-detection

赛题背景

腹部钝力创伤是最常见的创伤性损伤类型之一,最常见的原因是机动车事故。腹部创伤可能导致内脏器官损伤和内出血,包括肝脏、脾脏、肾脏和肠道。损伤的检测和分类是有效治疗和良好结果的关键。很大一部分腹部创伤患者需要紧急手术。腹部创伤通常不能通过体格检查、患者症状或实验室检查进行临床诊断。

因此,使用医学成像及时诊断腹部创伤对患者护理至关重要。协助和加快腹部创伤诊断的人工智能工具有可能在紧急情况下大幅改善患者护理和健康结果。

赛题方向

计算机视觉

赛题任务

这项挑战旨在利用人工智能和机器学习的力量,帮助医疗专业人员快速准确地检测伤害并对其严重程度进行分级。为此目的开发先进的算法有可能改善全球的创伤护理和患者预后。

本次比赛的目标是在创伤患者的CT扫描中识别几种潜在的伤害。如果不及时治疗,这些损伤中的任何一种都可能在短时间内致命,因此快速诊断具有重要价值。

评估指标

使用来自每种伤害类型的样本加权对数损失的平均值和由度量生成的any iniury预测来评估提交。

样品权重如下:

  • 1 表示所有健康标签。

  • 2 用于低级别实体器官损伤(肝、脾、肾)。

  • 4 用于高级别实体器官损伤。

  • 2 用于肠道损伤。

  • 6 用于外渗。

  • 6 表示自动生成的any_injury标签。

对于测试集中的每个患者 ID,参赛者必须预测每种不同可能的损伤类型和程度的概率。该文件应包含标头并具有以下格式:

patient_id,bowel_healthy,bowel_injury,extravasation_healthy,extravasation_injury,kidney_healthy,kidney_low,kidney_high,liver_healthy,liver_low,liver_high,spleen_healthy,spleen_low,spleen_high
10102,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5
10107,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5
etc.

数据描述

本次比赛使用隐藏测试。对提交的笔记本进行评分后,实际测试数据(包括完整长度的示例提交)将提供给笔记本。

文件

train.csv 训练集的目标标签。请注意,标记为健康的患者可能仍有其他医疗问题,例如癌症或骨折,这些问题恰好不在竞争标签的涵盖范围内。

  • patient_id - 每个患者的唯一ID代码。

  • [bowel/extravasation]_ [healthy/injury]- 具有二元目标的两种伤害类型。

  • [kidney/liver/spleen]_ [healthy/low/high] - 三种伤害类型,三个目标级别。

  • any_injury- 患者是否有任何伤害。

[train/test]_ images/[patient_id]/[series_id]/[image_instance_number].dcm CT扫描数据,采用 DICOM 格式。来自数十台不同CT机器的扫描已经过重新处理,以使用运行长度编码无损压缩格式,但保留了其他差异,例如每像素的位数,像素范围和像素表示。预计在测试集中会看到大约1100名患者。

[train/test]_ series_meta.csv 每位患者可能已经扫描过一两次。每次扫描都包含一系列图像。

  • patient_id- 每位患者的唯一ID码。

  • series_id- 每次扫描的唯一 ID 代码。

  • aortic_hu- 主动脉的体积(以霍恩斯菲尔德为单位)。这充当扫描时间的可靠代理。对于多相 CT 扫描,较高的值表示动脉期晚期。

  • incomplete_organ- 如果一个或多个器官未被扫描完全覆盖,则为 true。此标签仅针对训练集提供。

sample_submission.csv 有效的示例提交。只有前几行可供下载。

image_level_labels.csv 仅针对训练集。

  • patient_id- 每位患者的唯一ID码。

  • series_id- 每次扫描的唯一 ID 代码。

  • instance_number- 扫描中的图像编号。许多系列的最低实例数高于零,因为原始扫描被裁剪到腹部。

  • injury_name- 框架中可见的伤害类型。

segmentations/ 模型为训练集中的扫描子集生成了相关器官和一些主要骨骼的像素级注释。此数据以 nifti 文件格式提供。

[train/test]_ dicom_tags.parquet DICOM标签来自每个图像,使用Pydicom提取。

时间安排

  • 2023年7月26日 - 开始报名。

  • 2023年10月6日 - 报名截止。

  • 2023年10月6日 - 团队合并截止。

  • 2023年10月13日 - 最终提交截止。

竞赛奖金

  • 第一名 - $12,000

  • 第二名 - $10,000

  • 第三名 - $8,000

  • 第四名 - $5,000

  • 第五-九名 - 各$3,000

赛题思路

https://www.kaggle.com/code/jocelyndumlao/unleashing-the-healing-potential-abdominal-trauma

关注下方【学姐带你玩AI】

回复“比赛”获取190+场比赛top方案(kaggle、天池、ccf...)

码字不易,欢迎大家点赞评论收藏!

想组队的可以评论私聊!

你可能感兴趣的:(比赛,kaggle,深度学习干货,kaggle,人工智能,计算机视觉)