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。