前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >AIIB2023——task1&task2任务技术方案分享

AIIB2023——task1&task2任务技术方案分享

作者头像
医学处理分析专家
发布2024-01-07 14:22:34
1970
发布2024-01-07 14:22:34
举报
文章被收录于专栏:最新医学影像技术

今天将分享AIIB2023比赛task1&task2技术方案分享,大家如果感兴趣可以留言一起讨论。

一、AIIB23介绍

气道相关定量成像生物标志物 (QIB) 对于肺部疾病的检查、诊断和预后至关重要,而手动描绘气道结构过于繁重。已经做出多项努力来提高自动气道建模的性能;然而,目前的数据集只关注气管变化较小的疾病,不包括复杂的肺部疾病。例如,纤维化肺病患者肺组织内的蜂窝结构使得注释更加复杂且容易出错。

尽管尚未建立进行性纤维化肺病的正式定义和评估标准,但一年时间的用力肺活量 (FVC) 下降是疾病进展监测的常用测量指标。然而,FVC的直接测量对实验室敏感,增加了跨国界临床研究的难度。因此,定量成像生物标志物 (QIB) 是FVC等肺生理学测量的有吸引力的替代方法,气道的微观变化是IPF进展评估的高度决定性标志物。QIB已成为疾病诊断、表征和预后的关键特征。但是现在没有用于肺纤维化诊断的通用QIB。在这一挑战中,基于AI的特征提取器引入了IPF研究界,期望调查QIB与死亡率预测之间的潜在相关性。这一挑战的主要目标是开发先进的人工智能 (AI) 模型,该模型可以根据从 CT 扫描中提取的信息准确预测肺纤维化患者的死亡率状况。CT 扫描提供肺部的详细图像,允许识别可能指示疾病进展和患者预后的相关的细微模式和特征。

二、AIIB23任务

任务1、从复杂的纤维化肺病中自动提取气道。

任务2、预测肺纤维化患者在固定观察时间内的生存率的二元分类。

三、AIIB23数据集

从多中心收集了312例病例(262例来自纤维化肺病患者,50 例来自 COVID-19 患者)并纳入了这项挑战。气道结构由三位经验丰富的放射科医生精心注释。训练集120例,验证集52例,测试集140例

从多中心收集了237 例病例包含患者的 CT 扫描以及 CT 扫描后 63 周后记录的相应死亡率状态,0 代表在 63 周内死亡的患者,1 代表存活的患者。训练集95例,其中36例是死亡,59例是存活,验证集53例,测试集90例

任务1指标:IoU,DLR(检测长度比。根据专家注释的总长度(根据气道中心线计算)正确检测到的分支的长度),DBR(检测到的分支比。正确检测到的分支占总分支的比率),Precision(体素精度),leakages(总假阳性体积与金标准体积的比例),总分 = (IoU+Precision+DBR+DLR)* 0.25 * 0.7 + ( 1 -leakages)* 0.3

任务2指标:准确性:衡量预测的整体正确性;AUC(曲线下面积):评估模型区分已故患者和活着患者的能力;灵敏度:衡量模型正确识别已故患者的能力;特异性:评估模型正确识别存活患者的能力;F1 score:结合精确率和召回率来评估模型的整体性能。

四、技术方案分享

在前面的文章中已经分享过AIIB23两个任务的方案实现,详情请参考这篇文章,AIIB23——纤维化肺病的气道树分割和基于定量 CT成像生物标志物的死亡率预测,之前也大致分享了两个任务的top3的方案,详情请参考这篇文章,AIIB2023——task1&task2任务top3技术方案分享

目前举办方已经将task1前10解决方案和task2前5解决方案整理并发表出来了,访问链接:

https://arxiv.org/ftp/arxiv/papers/2312/2312.13752.pdf

task1前10解决方案如下所示。

task2前5解决方案如下所示。

点击阅读原文可以访问参考项目,如果大家觉得这个项目还不错,希望大家给个Star并Fork,可以让更多的人学习。如果有任何问题,随时给我留言我会及时回复的。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-01-06,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 最新医学影像技术 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档