$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}
大赛简介
自2月12日起,湖北首次将临床诊断病例数纳入新增数据,在《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》(以下简称:《第五版新冠肺炎诊疗方案》)中提到将”疑似病例中具有肺炎影像学特征者“纳入临床诊断病例标准,将“肺部影像学显示炎症明显吸收”重新回归到解除隔离和出院标准中,不难看出影像学在此次新冠肺炎中的诊断中起着至关重要的作用。
人工智能技术在本次的抗疫战争中也发挥着自己的优势,通过深度学习技术,对医学影像进行分类识别,协助诊断专家完成高效率、高准确率的诊断任务。
本赛题是一个图像二分类任务,基于2019年新冠肺炎CT医学影像数据,要求参赛者搭建算法模型,通过CT医学影像诊断患者是否感染新冠肺炎。对医学领域的人工智能技术落地研究有着重要意义。
赛事主题和数据说明
赛题描述
本赛题是一个图像二分类任务,基于2019年新冠肺炎CT医学影像数据,要求参赛者搭建算法模型,通过CT医学影像诊断患者是否感染新冠肺炎。对医学领域的人工智能技术落地研究有着重要意义。
数据描述
由于需要提交代码作品在云端进行训练,参赛数据集不对外开放。仅提供调试数据,可通过使用本地调试的方式获取调试数据集。本地调试和提交指南请查看[文档中心]
字段说明:
文件名 | 字段名称 | 字段类型 | 备注 | 样例 |
---|---|---|---|---|
train.csv | image_path | str | 图片的相对路径 | ./data/input/COVIDClassification/image/0.png |
label | int | 标签 | 0 |
评审标准
算法输入输出格式
系统评估时,要求参赛者必须在predict方法中接收到输入和评估返回的结果输出,格式如下所示。
输入字段:
{
"image_path": ".\/data\/input\/COVIDClassification\/image\/0.png"
}
输出字段:
{
"label": 0
}
评审指标说明
- 准确率(Accuracy):对于给定的测试数据集,预测正确的样本数与实际总样本数之比
- True,表示预测正确的样本数数量
- Total Number of Samples,表示实际总样本数数量
- 计算公式如下:
$vue{item.rank_name}


