Kaggle競賽賽題解析：胃腸道圖像分割

Kaggle是一個舉辦機器學習學術活動的社區，一個可以很好的發展和實踐你的技能以及展示你的能力的機器學習與數據分析平臺。對于想參加Kaggle學術活動的初學者將是一個巨大的挑戰，今天我們來看看Kaggle學術活動賽題解析：胃腸道圖像分割。

比賽名稱：UW-Madison 胃腸道圖像分割

在醫學掃描中跟蹤健康器官以改善癌癥治療

比賽鏈接：https://www.kaggle.com/competitions/uw-madison-gi-tract-image-segmentation

比賽類型：計算機視覺、語義分割

比賽背景

2019 年，全球估計有 500 萬人被診斷出患有胃腸道癌癥。在這些患者中，大約一半有資格接受放射治療，通常每天進行 10-15 分鐘，持續 1-6 周。放射腫瘤學家嘗試使用指向腫瘤的 X 射線束進行高劑量輻射，同時避開胃和腸。

借助集成磁共振成像和線性加速器系統（也稱為 MR-Linacs）等新技術，腫瘤學家能夠可視化腫瘤和腸道的每日位置，這些位置每天都在變化。在這些掃描中，放射腫瘤學家必須手動勾勒出胃和腸的位置，以便調整 X 射線束的方向，以增加向腫瘤輸送的劑量并避開胃和腸。這是一個耗時且勞動密集型的過程，可以將治療從每天 15 分鐘延長到每天一個小時，這對于患者來說可能難以忍受——除非深度學習可以幫助自動化分割過程。分割胃和腸的方法將使治療更快，并使更多患者獲得更有效的治療。

比賽任務

在本次比賽中，您將創建一個模型以在 MRI 掃描中自動分割胃和腸。MRI 掃描來自實際的癌癥患者，他們在放射治療期間的不同日子進行了 1-5 次 MRI 掃描。

您將基于這些掃描的數據集制定您的算法，以提出創造性的深度學習解決方案，幫助癌癥患者獲得更好的護理。

評價指標

Hausdorff 距離是一種計算分割對象 A 和 B 之間距離的方法，通過計算對象 A 上的最遠點到對象 B 上的最近點。

對于 3D Hausdorff，我們通過將每個 2D 分割與切片深度相結合來構造 3D 體積作為Z坐標，然后找到它們之間的Hausdorff距離。

數據描述在本次比賽中，我們在圖像中分割器官細胞。訓練注釋以 RLE 編碼掩碼的形式提供，圖像采用 16 位灰度 PNG 格式。

本次比賽中的每個案例都由多組掃描切片表示。有些案例是按時間拆分的，而有些案例是按案例拆分的——整個案例都在訓練中或測試中。本次比賽的目標是能夠推廣到部分和完全未見的案例。

train.csv - 所有訓練對象的 ID 和掩碼。

sample_submission.csv - 格式正確的示例提交文件。

train - 案例/日文件夾的文件夾，每個文件夾包含給定日期特定案例的切片圖像。

比賽賽程

2022年7月7日：報名截止日期。您必須在此日期之前接受比賽規則才能參加比賽。

2022年7月7日：團隊合并截止日期。這是參與者加入或合并團隊的最后一天。

2022年7月14日：最終提交截止日期。

賽題獎金

1st Place - $12,000

2nd Place - $8,000

3rd Place - $5,000

解題思路賽題是一個典型語義分割賽題，因此可以參考歷史的語義分割模型和3D語義分割比賽。

掃碼獲取備賽計劃，考前查缺補漏、重點沖刺

【免費領取】相關真題及解析，還有一對一學術活動規劃！