今日,由“科创中国”联合体指导,腾讯公司联合首都医科大学附属北京同仁医院、首都师范大学、郑州大学第一附属医院、上海市胸科医院、上海全景医学影像联合发起的2021“觅影”医学人工智能算法大赛正式开赛。
依托腾讯觅影开放实验平台、腾讯云AI 、腾讯优图实验室、腾讯天衍实验室、腾讯AI Lab、腾讯云TI平台的技术支持,参赛者可以根据大赛提供的多模态、多中心医疗数据,在腾讯觅影开放实验平台上即可完成模型训练和验证,实现一站式、全方位的科研探索。
“觅影”医学人工智能算法大赛携手腾讯云TI平台中的TI-ONE平台(以下简称TI-ONE)、云对象存储COS,为选手提供百万级算力存储资源助力选手更好地完成比赛。
大赛由多位临床专家从临床实际需求出发,发起五大AI挑战课题,落点致盲性疾病分类、阿尔茨海默症早期发现、脑胶质瘤识别、放疗计划辅助、肿瘤高代谢病灶检测等多个临床医学难题,是目前最具挑战,也是最具临床价值的医学AI比赛。
赛道一:眼底彩照的多疾病辅助诊断
本次竞赛数据为经过质控后的患者,受试者资料包括性别、年龄、眼底相。参赛队伍依据提供的眼底相,设计算法以自动诊断疾病类型。
赛道二:健康成人大脑年龄预测
基于结构磁共振成像数据中包含的大脑老化特征模式构建预测模型,检测个体大脑的老化轨迹,有望为临床诊断提供一种有效的客观标志物,进一步提高诊断准确性。
参赛队伍依据提供的T1加权结构磁共振图像、全脑分割图,设计算法基于磁共振图像和分割图自动预测大脑年龄。
赛道三:脑胶质瘤核磁共振图像分析
自动化脑胶质瘤分割不仅能极大减少临床医生工作量,也可以为脑胶质瘤的临床诊疗提供具有价值的参考。
参赛队伍依据提供的对比后磁共振T1加权、T2加权、T2液体衰减恢复序列图像以及分割图像,设计自动分割算法完成对脑胶质瘤图像的自动分割。
赛道四:放疗剂量分布辅助规划
利用现有临床数据,建立放疗计划的三维剂量预测模型。模型可根据患者的CT影像、勾画图(Structures)来预测其放疗计划的三维剂量图。
物理师可以根据模型所预测的三维剂量图预先得知靶区和正常组织的剂量情况,在计划设计之前做到心中有数,对计划优化时有针对性地进行优化条件设置,减少计划设计的试错次数,另外预测剂量对计划完成后的计划审查也有重要意义。
参赛队伍依据提供的CT影像、勾画图(靶区和正常结构Structures)以及三维剂量图,设计算法基于CT影像和勾画图(靶区和正常结构Structures)自动预测其三维剂量图。
赛道五:肿瘤高代谢病灶的自动检测
本课题应用人工智能辅助诊断进行18F-FDG PET/CT高代谢病灶的筛选与判读,可以为经验不足的影像科医生提供帮助,提高其阅片效率
另一方面通过大量影像数据和临床信息训练的AI系统具有一定疾病诊断能力,可辅助降低诊断医师漏诊概率,对保证和提高18F-FDG PET/CT肿瘤显像的诊断效率和质量具有重要的临床意义
参赛队伍依据提供的PET/CT数据以及高代谢病灶标注数据,设计算法对PET/CT的高代谢病灶实现自动检测(detection)。
共1000例PET/CT检查数据,疾病包含鼻咽癌、肠癌、宫颈癌、淋巴瘤、食管癌、胃癌、胰腺癌。
参赛地址
https://contest.taop.qq.com/
为了帮助选手们更好地了解和使用TI-ONE,使TI-ONE成为选手们在赛场上披荆斩棘的“利器”,TI-ONE 特联合腾讯云+社区,准备了【赛事专用教程】,并已经以专题的形式在云+社区上线(文末点击“阅读原文”可直达),内容包括
1.2021“觅影”医学人工智能算法大赛简介
2.TI-ONE 产品使用教程
3.TI-ONE 常见问题及解答
4.如何注册与开通 TI-ONE 服务
5.如何使用 Notebook 功能完成赛事训练
6.如何使用 COS 提交大赛结果
7.常见问题之计算资源相关
8.常见问题之 TI-ONE 产品相关
9.常见问题之 Notebook 功能相关
建议选手们在开始比赛前,完整学习使用教程,方便后续快速上手使用平台。除了教程之外,赛事最新动态以及往届大赛经验也将在专题里面分享给大家,欢迎大家关注!
▼问题反馈渠道▲
比赛期间,我们将提供以下两个渠道供大家反馈问题。在使用平台的过程中如遇任何问题,欢迎大家反馈,我们将帮助大家一起解决。
赛事专用教程
文末点击“阅读原文”可直达
TI-ONE 社区问答专栏
https://cloud.tencent.com/developer/timl/ask
腾讯云工单
https://console.cloud.tencent.com/workorder/category
预祝大家在TI-ONE 的助力下,可以收获好的成绩!