脑部MRI(磁共振)图像分割

分享给好友

万元实物大奖+20,000GPU计算资源

立即报名

立即报名

大赛简介

该数据图像来自癌症成像档案(TCIA),通过深度学习算法自动提取具有一定形状特征的低级别胶质瘤区域。

低级别胶质瘤根据世界卫生组织(WHO)制定的分级系统可定义为(WHO1~2级)属分化良好的胶质瘤,虽然这类肿瘤在生物上并不属于良性肿瘤,但是患者的预后相对较好。MRI医学影像分割在病患检测、病情分析等领域都具有较大的研究价值。

参赛须知

参赛时间:2019.07.10-2019.07.31

如何参赛?

  • 请在项目详情页点击【立即报名】按钮,首次需验证手机号、完善报名信息
  • 请点击本页的【资料下载】按钮,下载参赛资料并详细阅读README.md文件

参赛选手说明

  • 参赛人员身份信息需保证真实、有效,大赛主办方仅将个人信息用于赛事数据授权及颁奖使用
  • 欢迎海内外的在校学生,算法工程师和所有AI爱好者参与
  • 本次竞赛报名形式:以个人形式本地提交作品线上审核,并且以最终提交算法得分作为唯一有效成绩
  • 报名成功后请加入FlyAI竞赛交流群,一起学习进步!重要通知也将在群内发布,不要错过哦

比赛作品说明

  • 最终比赛成绩以排行榜显示排名为准
  • 根据作品提交时间先后顺序进行人工审核,审核合格后提交至排行榜
  • 禁止使用外部链接下载代码替换本项目代码
  • 所有相似代码将一律不通过审核!!情况多次出现者封号处理
  • 如有发现利用非正常手段作弊行为,奖金一律不发放。之前所获得奖金金额官方有权收回,情节严重者封号处理
  • 提交代码即视为阅读并同意以上比赛作品说明

大赛奖项设置

奖项说明:

奖项设置 获奖人数 奖金额度说明(按最终得分评判)
一等奖 1人 华为mate20手机(价值3000元) + 2000FAI
二等奖 1人 小米平板(价值1300元) + 2000FAI
三等奖 1人 Kindle电子阅读平板(价值699元) + 2000FAI
排名奖 4~10名 7人 京东商城购物卡(价值50元) + 2000FAI
参与奖 11~15名 5人 2000FAI

赛事主题和数据说明

赛题描述

本赛题为7月活动赛题,截止2019年7月31日下午20点整所有训练完成结果均为有效成绩!!

数据描述

字段说明:

字段名 字段类型 取值区间 字段描述
image_path string 不为空 图片的相对路径
label_path string 不为空 标签的相对路径

输入字段: image_path,

输出字段: label_path,

参考文献:

[1]

评审标准

评审指标说明

  • 本赛题基础得分为70分,所有超过基础得分的参赛者可获得相对应奖励!
  • Dice 系数是一种评估相似度的函数,通常用于计算两个样本的相似度或者重叠度。
  • 计算公式如下:
  • 评审计算公式

比赛常见问题说明

Q:比赛使用什么框架?

  • 比赛支持常用的机器学习和深度学习框架,比如TensorFlow,PyTorch,Keras,Scikit-learn等。

Q:怎么参加比赛,需不需要提交csv文件?

  • FlyAI竞赛平台无需提交csv文件,在网页上点击报名,下载项目,使用你熟练的框架,修改main.py中的网络结构,和processor.py中的数据处理。请仔细阅读右侧提交指南,使用FlyAI命令参与比赛。

Q:比赛排行榜分数怎么得到的?

  • 参加项目竞赛必须实现 model.py 中的predict_all方法。系统通过该方法,调用模型得出评分。

展开

排行榜

(每日 24 时更新)

1

提供者:丶人狠话不多

batch数据为16,循环次数为5500次,损失函数优化完,最终完成评分为30.75。

Keras

U-Net

2019-07-16 01:36:45

30.75

2

提供者:天涯·明月·刀

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为29.47。

Keras

U-Net

2019-07-16 05:16:48

29.47

3

提供者:sloan

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为28.84。

Keras

U-Net

2019-07-12 15:09:57

28.84

4

提供者:大佬们带带我

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为27.14。

Keras

U-Net

2019-07-15 13:43:20

27.14

5

提供者:Top1%

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为26.32。

PyTorch

NanShou

2019-07-13 15:49:53

26.32

6

提供者:minth

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为16.95。

Keras

U-Net

2019-07-15 11:22:20

16.95

7

提供者:clare

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为16.13。

2019-07-16 19:40:08

16.13

8

提供者:WTA_CCXX

batch数据为128,循环次数为50次,损失函数优化完,最终完成评分为16.01。

Keras

U-Net

2019-07-17 00:33:21

16.01

9

提供者:友情小爪

batch数据为32,循环次数为32次,损失函数优化完,最终完成评分为14.15。

Keras

U-Net

2019-07-15 15:56:15

14.15

10

提供者:Senbon

batch数据为8,循环次数为5次,损失函数优化完,最终完成评分为12.57。

Keras

Multi Res U-net

2019-07-16 09:46:07

12.57

11

提供者:春眠不觉晓

batch数据为16,循环次数为32次,损失函数优化完,最终完成评分为11.88。

Keras

U-Net

2019-07-14 20:39:18

11.88

12

提供者:Y1562856653

batch数据为32,循环次数为16次,损失函数优化完,最终完成评分为10.68。

Keras

U-Net

2019-07-16 05:55:42

10.68

13

提供者:飓风神龙

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为10.48。

Keras

LinkNet

2019-07-16 01:56:04

10.48

14

提供者:Dr.PraIse

batch数据为32,循环次数为32次,损失函数优化完,最终完成评分为9.84。

Keras

U-Net

2019-07-16 22:32:38

9.84

15

提供者:化猫

batch数据为8,循环次数为64次,损失函数优化完,最终完成评分为8.94。

Keras

U-Net

2019-07-17 01:50:48

8.94

16

提供者:a554142589

batch数据为8,循环次数为50次,损失函数优化完,最终完成评分为8.21。

Keras

U-Net

2019-07-12 17:40:06

8.21

17

提供者:强化学习

batch数据为64,循环次数为250次,损失函数优化完,最终完成评分为7.66。

Keras

U-Net

2019-07-14 02:50:27

7.66

18

提供者:Moment1562775709

batch数据为16,循环次数为200次,损失函数优化完,最终完成评分为3.36。

Keras

U-Net

2019-07-12 17:29:23

3.36

19

提供者:blackx1562937090

batch数据为32,循环次数为1次,损失函数优化完,最终完成评分为2.15。

PyTorch

U-Net

2019-07-16 21:12:30

2.15

20

提供者:loader

batch数据为500,循环次数为1次,损失函数优化完,最终完成评分为0.27。

Keras

U-Net

2019-07-15 19:28:43

0.27

21

提供者:言小川

batch数据为16,循环次数为1次,损失函数优化完,最终完成评分为0.04。

2019-07-15 19:39:20

0.04

万元奖金等你拿,挑战者,都在 FlyAI

点击立即报名

下载参赛资料

挑战者大赛 官方交流群

训练记录

你还没有任何提交记录喔...

使用指南

  • windows客户端
  • windows命令行
  • Mac/Linux
1. 下载项目并解压
2.进入到项目目录下,双击执行flyai.exe程序

第一次使用需要使用微信扫码登录

杀毒软件可能会误报,点击信任该程序即可

3.本地开发调试

运行flyai.exe程序,点击"本地调试"按钮,输入循环次数和数据量,点击运行即可调用main.py

如果使用本地IDE开发,需要执行安装“flyai”依赖并导入项目,运行main.py

4.下载本地测试数据

运行flyai.exe程序,点击"下载数据"按钮,程序会下载100条调试数据

5.提交训练到GPU

运行flyai.exe程序,点击"提交到GPU"按钮,输入循环次数和数据量,点击运行即可提交到GPU训练。

返回sucess状态,代表提交离线训练成功

训练结束会以微信和邮件的形式发送结果通知

1. 下载项目并解压
2. 打开运行,输入cmd,打开终端

Win+R 输入cmd

3. 使用终端进入到项目的根目录下

首先进入到项目对应的磁盘中,然后执行

cd path\to\project

Windows用户使用 flyai.exe

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

flyai.exe test

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

flyai.exe train

返回sucess状态,代表提交离线训练成功

训练结束会以微信和邮件的形式发送结果通知

完整训练设置执行代码示例:

flyai.exe train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

1. 下载项目并解压
2. 使用终端进入到项目的根目录下

cd /path/to/project

Mac和Linux用户使用 ./flyai 脚本文件

3. 初始化环境并登录

授权flyai脚本

chmod +x ./flyai

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

./flyai test 注意:命令前面不要加sudo

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

./flyai train 注意:命令前面不要加sudo

返回sucess状态,代表提交离线训练成功

训练结束会以微信和邮件的形式发送结果通知

完整训练设置执行代码示例:

./flyai train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

$vue{ errorTip }

发送样例至我的邮箱

已发送

已发送成功

请查收FlyAI官方邮件查看详情 根据样例提高算法评分可以获得积分奖励 用来兑换GPU训练时长

确定

$vue{flag?'报名成功!':'参赛温馨提示'}

感谢您的参与!点击 下载资料 并及时提交您的作品

您在当前领域能力值未达到参赛标准,
请选择符合能力标准的项目哦!

下载资料

打开微信,使用扫一扫功能分享给好友