Concours de segmentation des images gastro - intestinales de kaggle Baseline

Avant le jour,KagglePubliéUW-Madison Concours de segmentation d'images gastro - intestinales.Demande aux participants：

Imagerie par résonance magnétique des patients atteints d'un cancer réel,Utiliser l'apprentissage profond pour proposer un modèle,Segmentation automatiqueMRI scansL'intestin et l'estomac de l'image.La course est terminée2022Année7Mois14Jour.Récompenses allant jusqu'à2.5WDollars É. - U..

C'est unCVTâche de segmentation d'image pour la direction,Petits partenaires intéressés par ce domaine,Ne manquez jamais.

Instructeur de concours Deep EyeFrankLe professeur a offertbaseline.

01

PART

Analyse des épreuves+baseline

1、Lien vers la question

https://www.kaggle.com/competitions/uw-madison-gi-tract-image-segmentation/overview/description

2、Description du jeu

L'IRM de ce concours（MRI scans）L'image vient d'un vrai patient cancéreux.Elles ont été réalisées plusieurs fois à différents stades de la radiothérapieMRI scans. Nous devons nous baser sur cesMRI sacnsImages de,Utiliser l'apprentissage profond pour proposer un modèle,Segmentation automatique de l'intestin intérieur(stomach)Et l'estomac(intestines)

Valeur commerciale：Dans le système de scan médical,Localiser les organes sains,Aider à améliorer le traitement du cancer

※ Calendrier des courses

2022 4Mois 14Jour Année - Date de début. 2022 7Mois 7 Jour Année - Date limite d'inscription. Vous devez accepter les règles du concours avant cette date pour participer au concours . 2022 7 Mois 7 Jour Année - Date limite de fusion de l'équipe . C'est le dernier jour où les participants peuvent rejoindre ou fusionner l'équipe . 2022 7 Mois 14 Jour Année - Date limite de soumission finale .

※ Bonus généreux

Premier prix：12,000Dollars Deuxième prix：8,000Dollars Troisième prix：5,000Dollars

3、DonnéesEDA

Aperçu des données de formation ：

Visualisation d'images：

4、baseline

Fourni cette fois baselineDivisé enhypre-parameter, data, model, Loss, trainCinq domaines.

Ensemble completbaseline Le Code est très clair , Idéal pour démarrer et réutiliser le Code .

5、Indicateurs d'évaluation

50%DeDice coefficient + 50% De3D Hausdorff distance.

6、Trick

Amélioration des données： Formation multi - résolution 、elastictransformerAttendez.

Modèle：Modèle avancé,Unet Une série de variantes de

Loss： ..Coefficient stratégie d'apprentissage automatique

Soumettre： Mélange Multi - modèles, etc …