脑部MRI(磁共振)图像分割

分享给好友

2019-07-10 12:00:00
开始提交

2019-07-31 20:00:00
最终提交结束

自由训练

参赛权限提示

当前赛题需能力值达到 $vue{itemranking} 才可以正常提交训练哦~

当前赛题仅允许 600 能力值以下的新手可以正常提交训练哦~

报名参赛

下载当前代码

您可使用自己熟悉的编辑器实现算法并通过命令行
提交任务到FlyAI云端训练。确认下载体验吗?

$vue{upDataType ? '上传样例压缩包' : '上传代码压缩包' }

请将代码文件压缩为zip格式,文件大小不超过10M 提示:请确认删除"data"⽂件夹后进行上传操作

将文件拖拽至此处或点击此处选择文件

$vue{complete < 99 ? '上传中' : '上传完成'} $vue{complete}

$vue{fileName}
线上GPU运行环境:
FlyAl推荐如下配置,如有问题可手动添加或修改!

GPU环境

深度学习框架

其它依赖

提交
提交

提交确认

设置好参数后点击“确定“发布GPU训练任务

EPOCHS

BATCH SIZE

绑定你的微信账号

用于本地环境登录和实时接收训练通知

打开微信,使用扫一扫功能分享给好友

绑定你的微信账号

用于本地环境登录和实时接收训练通知

温馨提示

$vue{csv_msg}

知道了
提交结果文件

$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}

$vue{csvName}上传成功
取消 确认提交

提交成功

系统正在测评您的结果文件,

您可通过右侧【我的提交-查看记录详情】进行查看

知道了
  • 赛事介绍
  • 竞赛排行榜
  • 自由练习榜单
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

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。

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

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。

字段说明:

文件名 字段名称 字段类型 备注
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

参考文献:

[1]

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: label_path,

评审指标说明

  • 本赛题基础得分为60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
超过 80分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

丶人狠话不多

暂未公开
batch数据为16,循环次数为8500次,通过在线上环境完成训练,模型最优精度评分为92.63。

2019-07-30 05:11:21

暂未公开
第三名

nice

暂未公开
batch数据为32,循环次数为6000次,通过在线上环境完成训练,模型最优精度评分为92.49。

2019-08-01 14:50:26

暂未公开
第三名

你猜猜我是谁

暂未公开
batch数据为16,循环次数为25次,通过在线上环境完成训练,模型最优精度评分为91.98。

2019-07-31 20:34:42

暂未公开
4

天涯·明月·刀

大神经验
batch数据为1,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为90.72。

2019-07-20 00:27:04

大神经验
5

前排板凳瓜子

大神经验
batch数据为64,循环次数为90次,通过在线上环境完成训练,模型最优精度评分为90.36。

2019-07-21 03:44:37

大神经验
6

cnn

大神经验
batch数据为16,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为89.77。

2019-07-30 14:27:48

大神经验
7

keeper

暂未公开
batch数据为8,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为88.68。

2019-07-31 19:03:47

暂未公开
8

大木淡漠

暂未公开
batch数据为20,循环次数为70次,通过在线上环境完成训练,模型最优精度评分为88.63。

2019-07-31 19:29:04

暂未公开
9

yangsmile

大神经验
batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为88.23。

2019-07-26 20:58:46

大神经验
10

西北风

大神经验
batch数据为32,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为87.80。

2019-07-26 10:24:40

大神经验
11

Zyt

大神经验
batch数据为16,循环次数为115次,通过在线上环境完成训练,模型最优精度评分为87.00。

2019-07-31 19:25:16

大神经验
12

机器学渣

大神经验
batch数据为32,循环次数为40次,通过在线上环境完成训练,模型最优精度评分为86.34。

2019-07-31 17:21:33

大神经验
13

sloan

大神经验
batch数据为32,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为85.97。

2019-07-23 16:51:10

大神经验
14

yosef

暂未公开
batch数据为16,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为85.83。

2019-07-30 18:36:07

暂未公开
15

Senbon

暂未公开
batch数据为1,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为84.16。

2019-07-20 13:19:26

暂未公开
16

clare

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为82.36。

2019-07-28 12:21:55

暂未公开
17

恋旧却念旧

暂未公开
batch数据为1,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为81.91。

2019-07-25 00:07:49

暂未公开
18

化猫

暂未公开
batch数据为1,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为80.72。

2019-07-27 16:38:12

暂未公开
19

友情小爪

暂未公开
batch数据为64,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为79.67。

2019-07-31 12:36:22

暂未公开
20

ak74

暂未公开
batch数据为32,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为78.32。

2019-07-31 12:07:04

暂未公开
21

minth

暂未公开
batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为77.44。

2019-07-21 12:33:32

暂未公开
22

zjy

暂未公开
batch数据为16,循环次数为400次,通过在线上环境完成训练,模型最优精度评分为76.03。

2019-07-26 22:18:01

暂未公开
23

weiliming

暂未公开
batch数据为32,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为75.65。

2019-07-23 18:55:02

暂未公开
24

大耗子

暂未公开
batch数据为32,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为75.21。

2019-07-25 09:07:11

暂未公开
25

交差墒

暂未公开
batch数据为16,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为73.35。

2019-07-29 21:03:29

暂未公开
26

大佬们带带我

暂未公开
通过在线上环境完成训练,模型最优精度评分为73.19。

2019-07-28 03:29:43

暂未公开
27

qqm

暂未公开
batch数据为16,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为72.59。

2019-07-30 19:09:20

暂未公开
28

guoguo

暂未公开
batch数据为20,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为72.36。

2019-08-07 08:14:09

暂未公开
29

肝就对了

暂未公开
batch数据为32,循环次数为350次,通过在线上环境完成训练,模型最优精度评分为72.19。

2019-07-29 17:49:27

暂未公开
30

春眠不觉晓

暂未公开
batch数据为16,循环次数为4次,通过在线上环境完成训练,模型最优精度评分为70.45。

2019-07-20 13:54:51

暂未公开
31

Joshua

暂未公开
batch数据为5,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为69.95。

2019-07-19 00:33:25

暂未公开
32

yahiko

暂未公开
batch数据为8,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为69.10。

2019-07-31 21:46:43

暂未公开
33

粑粑卢

暂未公开
batch数据为8,循环次数为16次,通过在线上环境完成训练,模型最优精度评分为66.84。

2019-07-27 17:37:13

暂未公开
34

强化学习

暂未公开
batch数据为32,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为66.81。

2019-07-21 12:41:34

暂未公开
35

a554142589

暂未公开
batch数据为16,循环次数为64次,通过在线上环境完成训练,模型最优精度评分为65.83。

2019-07-31 10:55:11

暂未公开
36

袁璞

暂未公开
batch数据为4,循环次数为3次,通过在线上环境完成训练,模型最优精度评分为64.15。

2019-07-30 23:36:45

暂未公开
37

Desperado1563333242

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为61.58。

2019-07-19 19:32:02

暂未公开
38

cv1557321940

暂未公开
batch数据为64,循环次数为19次,通过在线上环境完成训练,模型最优精度评分为61.31。

2019-07-30 16:15:58

暂未公开
39

枫1559979219

暂未公开
batch数据为8,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-18 15:33:10

暂未公开
40

人间正道是沧桑

暂未公开
batch数据为5,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-19 07:11:20

暂未公开
41

AiFool

暂未公开
batch数据为16,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-19 11:31:44

暂未公开
42

Winteriscoming

暂未公开
batch数据为8,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-19 12:12:30

暂未公开
43

colorLess

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-19 15:17:23

暂未公开
44

范特西

暂未公开
batch数据为32,循环次数为60次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-19 20:10:53

暂未公开
45

~

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-20 07:39:25

暂未公开
46

darklearner

暂未公开
batch数据为32,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-20 15:18:10

暂未公开
47

代码搬运工

暂未公开
batch数据为32,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-21 10:19:16

暂未公开
48

YauPH

暂未公开
batch数据为16,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-21 10:59:55

暂未公开
49

blackx1562937090

暂未公开
batch数据为1,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-21 19:30:28

暂未公开
50

刘志强

暂未公开
batch数据为8,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-22 17:05:14

暂未公开
51

释然

暂未公开
batch数据为64,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-23 10:44:58

暂未公开
52

莫名其妙

暂未公开
batch数据为16,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-24 04:48:02

暂未公开
53

追逐

暂未公开
batch数据为16,循环次数为4次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-24 14:07:40

暂未公开
54

Sue

暂未公开
batch数据为32,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-24 20:04:22

暂未公开
55

就是很任性

暂未公开
batch数据为64,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-24 22:09:50

暂未公开
56

jitaimei

暂未公开
batch数据为4,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-24 23:24:26

暂未公开
57

qyyyyyf

暂未公开
batch数据为32,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-25 07:28:11

暂未公开
58

Shepherd

暂未公开
batch数据为16,循环次数为80次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-26 07:52:19

暂未公开
59

朱永佩

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-26 13:51:21

暂未公开
60

彼得·帕克

暂未公开
batch数据为32,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-26 15:43:55

暂未公开
61

Reluminia

暂未公开
batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-27 22:38:51

暂未公开
62

第五轻柔

暂未公开
batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-28 16:10:41

暂未公开
63

laotang

暂未公开
batch数据为1,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-29 10:47:47

暂未公开
64

十六

暂未公开
batch数据为16,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-29 17:52:26

暂未公开
65

飓风神龙

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-31 11:35:24

暂未公开
66

Guo

暂未公开
batch数据为16,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-07-31 14:04:53

暂未公开
67

rongwen

暂未公开
batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为60.98。

2019-08-03 07:18:38

暂未公开
68

非鱼知鱼之乐

暂未公开
batch数据为32,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为51.76。

2019-07-31 17:11:36

暂未公开
69

WTA_CCXX

暂未公开
batch数据为128,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为16.32。

2019-07-17 22:53:17

暂未公开
70

Y1562856653

暂未公开
batch数据为32,循环次数为16次,通过在线上环境完成训练,模型最优精度评分为10.68。

2019-07-16 05:55:42

暂未公开
71

Moment1562775709

暂未公开
batch数据为16,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为3.36。

2019-07-12 17:29:23

暂未公开
72

loader

暂未公开
batch数据为500,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为0.27。

2019-07-15 19:28:43

暂未公开
73

言小川

暂未公开
batch数据为16,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为0.04。

2019-07-15 19:39:20

暂未公开
第一名
Zyt 2019-09-02 11:42:42
2019-09-02 11:42:42
91.94
第二名
瑞1562810069 2019-09-18 23:27:41
2019-09-18 23:27:41
91.92
第三名
美式半糖不加奶 2019-10-08 22:51:36
2019-10-08 22:51:36
90.99
4
天涯·明月·刀 2019-09-02 15:17:51
2019-09-02 15:17:51
88.73
5
guoguo 2019-08-07 00:52:17
2019-08-07 00:52:17
87.62
6
cnn 2019-09-07 22:34:18
2019-09-07 22:34:18
86.23
7
Kun 2019-08-10 00:04:52
2019-08-10 00:04:52
85.71
8
大耗子 2019-10-11 17:25:29
2019-10-11 17:25:29
80.11
9
机器学渣 2019-08-02 19:34:52
2019-08-02 19:34:52
79.06
10
十六 2019-08-02 17:07:30
2019-08-02 17:07:30
60.98
11
rongwen 2019-08-03 07:18:38
2019-08-03 07:18:38
60.98
12
1564365042 2019-08-17 08:27:48
2019-08-17 08:27:48
60.98
13
ToT 2019-09-18 18:32:11
2019-09-18 18:32:11
60.98
14
王冠 2019-10-28 13:23:57
2019-10-28 13:23:57
60.98
15
微-说 2019-09-11 22:48:10
2019-09-11 22:48:10
5.15
16
imath60 2019-08-15 19:34:16
2019-08-15 19:34:16
0
17
chango 2019-08-25 19:25:09
2019-08-25 19:25:09
0
18
风的季节 2019-09-18 19:59:08
2019-09-18 19:59:08
0
19
fcq 2019-09-23 17:17:58
2019-09-23 17:17:58
0
20
弱鸡瑟瑟发抖 2019-10-03 09:43:23
2019-10-03 09:43:23
0
21
superchong 2019-11-01 15:33:17
2019-11-01 15:33:17
0
22
reallocing 2019-11-03 23:20:13
2019-11-03 23:20:13
0
23
AugustQi 2019-11-25 18:34:10
2019-11-25 18:34:10
0
24
鱼头 2020-03-26 16:55:38
2020-03-26 16:55:38
0
25
韩天啸 2020-06-15 00:25:01
2020-06-15 00:25:01
0
26
拥抱晴空 2020-06-21 21:36:25
2020-06-21 21:36:25
0
27
flyai会员1633943758 2021-10-11 19:35:46
2021-10-11 19:35:46
0
讨论
500字
表情
发送
删除确认
是否删除该条评论?
取消 删除
$vue{item.user_name}

$vue{item.title} $vue{item.title}

$vue{items}
$vue{item.like_count}
$vue{item.comment_counts}
$vue{item.comment_counts}
阅读 $vue{item.views}

这里还没有内容哦

挑战者大赛 官方交流群

我的记录

你还没有任何提交记录喔...

  • 参赛流程
  • 常见问题

第一步:参赛选手从FlyAI官网选择比赛报名,需下载样例代码

下载的项目中不包含数据集,运行main.py会自动下载调试数据集

本地调试根据不同数据集会提供10%~100%数据,全量数据提交到GPU后会自动更新替换

下载样例代码,解压后在样例代码上编写自己的模型代码,压缩后再在上传代码位置进行上传,就可以查看自己得分。

第二步:本地代码调试

本地配置Python3.5以上的运行环境,并安装项目运行所需的Python依赖包 app.json是项目的配置文件

在main.py中编写神经网络,没有框架限制

在prediction.py测试模型是否评估成功

main.py中需在class Main(FlyAI) 类中实现自己的训练过程

第三步:提交到GPU训练,保存模型

本地调试完成之后,提交代码到GPU,在全量数据上训练模型,保存最优模型。

提交GPU的方式有:网站在线提交。

第四步:评估模型,获取奖金,实时提现

GPU训练完成后,会调用prediction.py中的predict方法进行评估,并给出最后得分

高分的参赛选手,可实时获取奖金,通过微信提现

Q:如何获得奖金?

A:超过项目设置的最低分,根据公式计算,就可以获得奖金。

Q:比赛使用什么框架?

A: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?

A: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中的网络结构和数据处理,在prediction.py中进行加载模型及预测。将代码文件压缩为.zip格式,文件大小不超过10M,之后在网站进行在线提交就可以了。

Q:比赛排行榜分数怎么得到的?

A:参加项目竞赛必须实现 prediction.py 中的predict方法。调用模型得出评分。

Q:平台机器什么配置?

A:目前每个训练独占一块V100显卡,显存10G。

Q:本地数据集在哪?

A:可以本地使用ide运行 main.py 下载数据。

Q:FAI训练积分不够用怎么办?

A:目前GPU免费使用,可以进入到:我的积分,通过签到和分享等途径获得大量积分。

Q:离线训练代码不符合规范问题?

A:main.py中可以使用args.EPOCHS和args.BATCH。