呼吸声音推断呼吸系统疾病

分享给好友

2019-06-06 15:00:00
开始提交

2019-07-06 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 2,418
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

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
  • 奖金记录
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

呼吸声音是呼吸系统是否健康的重要参考指标。例如,喘息声是患有哮喘或慢性阻塞性肺病(COPD)患者常见的现象。

呼吸声音数据集由葡萄牙和希腊的两个研究小组创建。它包括920个不同长度的注释录音,录音长度10到90秒,数据包括干净的呼吸音以及模拟真实生活条件的嘈杂录音。这些录音来自126名患者,患者遍及儿童、成人和老年人。

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

参赛方式

  • 方式一:
  • 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
  • 方式二:
  • 下载FlyAI样例模版进行本地调试并提交到云端使用免费GPU进行模型训练获得最终成绩得分,在本地进行代码调试的教程请查看[文档中心]

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
  • 在比赛截止日期前,团队中成绩最高分作为本团队的最终成绩
  • 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

  • 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
  • 不同团队/个人,提交相似结果文件,取消双方所有人员参赛资格
  • 多开小号报名、提交,一经发现将取消参赛资格
  • 禁止使用外部链接下载代码替换本项目代码
  • 比赛过程中,通过脚本获取比赛数据,成绩无效
  • 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练,成绩无效
  • 使用的预训练模型需为FlyAI官方审核通过的模型,使用非官方验证预训练模型,成绩无效
  • 提交的代码具备可解释性并且其它开源框架可复现
  • 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)
参与奖(总奖金30%) 所有人 不同得分区间获得相应的竞赛奖金
突破奖(总奖金20%) 所有人 更新排行榜得分,获取相应竞赛奖金
排名奖(总奖金50%) 第一周/月前3名(冠、亚、季军) 项目上线第一周、第一个月; Time_P(周) = 0.5,Time_P(月) = 0.5;K1=0.5,K2=0.3,K3=0.2;
不同框架奖励 所有人 获得60FAI币用于GPU训练资源消耗

赛事主题和数据说明

赛题描述

通过实现算法并提交训练,获取奖金池奖金。小提示:抢先更新算法排行榜,有更大机会获取高额奖金哦!

数据来源

RespiratorySound

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
audio_and_txt_files_path string 不为空 文本路径
patient_id int 不为空 患者编号
age int 不为空 患者年龄
sex string 不为空 患者性别
adult_bmi int 不为空 患者BMI
child_weight int 不为空 患者体重
child_height int 不为空 患者身高
diagnosis string 不为空 患者健康状况

参考文献:

[1]Α Respiratory Sound Database for the Development of Automated Classification

评审标准

算法输入输出格式

输入字段: audio_and_txt_files_path, patient_id, age, sex, adult_bmi, child_weight, child_height,

输出字段: diagnosis,

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:

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、MXNet等。

Q:怎么参加比赛,需不需要提交CSV文件?

  • FlyAI竞赛平台提供免费云端GPU资源,报名后可以使用自己熟练的框架,修改main.py中的网络结构和processor.py中的数据处理;仅部分赛题支持CSV方式提交,请仔细阅读参赛方式相关内容。

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。
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

=

batch数据为32,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88.46。

MXNET

resnest50

2020-08-10 11:54:10

88.46

第三名

夏1564457098

89.50

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84.62。

2019-10-28 23:16:31

89.50

84.62

第三名

AiFool

493.00

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80.77。

2019-06-29 09:55:12

493.00

80.77

4

大木淡漠

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76.92。

2019-06-13 00:49:09

76.92

5

快来追我呀

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73.08。

2019-06-13 06:49:57

73.08

6

trickornot

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65.38。

2019-06-13 20:17:56

65.38

7

顺宝

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61.54。

2019-07-01 03:20:23

61.54

8

gboy

batch数据为64,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61.54。

2019-07-06 17:50:30

61.54

9

ChangeBio

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57.69。

2019-06-11 07:46:44

57.69

10

张鹏杰

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26.92。

2019-07-05 15:37:58

26.92

11

此方一泉

batch数据为100,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26.92。

2019-07-31 16:27:16

26.92

12

尚能误人子弟否

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-08-30 21:58:37

26.92

13

L!

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26.92。

2019-09-09 20:59:01

26.92

14

刘民桥

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26.92。

2019-09-09 21:04:58

26.92

15

Carl

batch数据为500,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26.92。

2019-09-19 10:05:15

26.92

16

Jeremy

batch数据为2,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26.92。

2019-09-27 07:18:05

26.92

17

温胖

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-10-08 10:48:31

26.92

18

DAXIONG

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-10-08 16:36:38

26.92

19

Fox

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-10-16 18:40:18

26.92

20

吴雅楠

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-10-20 07:49:42

26.92

21

樊紫凝

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-10-23 00:38:36

26.92

22

sishiwu

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-10-26 13:55:12

26.92

23

learnFromBest

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26.92。

2019-11-08 00:20:53

26.92

24

健身教练付不和

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-11-14 15:16:49

26.92

25

sly

batch数据为500,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26.92。

2019-12-02 10:53:31

26.92

26

MST

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26.92。

2019-12-05 10:21:43

26.92

27

叶骞

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-12-06 00:20:42

26.92

28

维尼

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-12-09 15:51:12

26.92

29

FlyAI小助手

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-12-13 17:54:20

26.92

30

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-12-20 10:32:26

26.92

31

flyai会员1575962752

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2019-12-23 16:16:43

26.92

32

汤包岂是盘中物

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2020-01-05 21:18:38

26.92

33

小宋是呢

batch数据为8,循环次数为256次,通过在线上环境完成训练,模型最优精度评分为26.92。

2020-01-11 04:46:40

26.92

34

绀香十九

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2020-01-31 16:15:21

26.92

35

金垚

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26.92。

2020-02-27 11:32:11

26.92

36

Santi

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26.92。

2020-04-10 09:37:14

26.92

37

Helianthus

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2020-05-08 10:19:29

26.92

38

-卡耐基-

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26.92。

2020-06-11 09:28:28

26.92

39

flyai会员1592224704

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2020-06-15 20:42:14

26.92

40

xxl

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2020-07-14 16:33:15

26.92

41

张亚男42013

batch数据为100,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26.92。

2020-09-22 17:07:12

26.92

42

firefly1617504433

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2021-04-04 10:54:36

26.92

43

詹馒头

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2021-05-08 15:56:59

26.92

44

Kevin1624950256

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为26.92。

2021-06-29 15:09:59

26.92

2019-10-30
夏1564457098

模型得分为84.62,本次获得实时奖励奖金为85

2019-10-30 11:09:00

2019-10-28
夏1564457098

模型得分为80.77,本次获得实时奖励奖金为4.5

2019-10-28 11:30:18

2019-07-06
AiFool

模型得分为80.77,本次获得排名奖奖金为375

2019-07-06 15:00:01

2019-07-01
AiFool

模型得分为80.77,本次获得实时奖励奖金为118

2019-07-01 11:42:05

讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
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...

使用指南

  • windows客户端
  • windows命令行
  • Mac/Linux

1.进入代码编辑页下载当前代码

2.本地解压缩代码包文件,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.开启 FlyAI-Jupyter 代码调试环境

运行flyai.exe程序,点击"使用jupyter调试"按钮自动打开jupyter lab 操作界面

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

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GPU训练"按钮,代码将自动提交到云端GPU进行训练

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

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

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

cd path\to\project

4.开启 FlyAI-Jupyter 代码调试环境

在终端执行命令 flyai.exe ide 打开调试环境(第一次使用需要使用微信扫码登录)

操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !flyai.exe train 将代码提交到云端GPU免费训练

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

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

flyai.exe path=xxx 可以设置自己的Python路径

flyai.exe path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.使用终端进入到项目的根目录下

cd path\to\project

3.初始化环境登录

使用如下命令授权 flyai 脚本: chmod +x ./flyai

4.开启 Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境(第一次使用需要使用微信扫码登录) 操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

或使用终端

执行下列命令本地安装环境并调试

./flyai test 注意:如果出现 permission denied 错误,需使用sudo运行

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

执行test命令,会自动下载100条测试数据到项目下

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

在FlyAI-Jupyter环境下运行 !./flyai train 将代码提交到云端GPU免费训练 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

或者在终端下使用 ./flyai train -b=32 -e=10

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

./flyai path=xxx 可以设置自己的Python路径

./flyai path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心