- 赛事介绍
- 竞赛排行榜
- 自由练习榜单
- 讨论($vue{comment_count})
- 学习资源
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]无
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:
超过 80分 的成绩会在48小时内更新到排行榜,不要着急哦!
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。
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。
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。
4
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。
5
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。
6
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。
7
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。
8
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。
9
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。
10
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。
11
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。
12
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。
13
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。
14
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。
15
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。
16
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。
17
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。
18
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。
19
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。
20
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。
21
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。
22
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。
23
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。
24
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。
25
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。
26
通过在线上环境完成训练,模型最优精度评分为73.19。
27
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。
28
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。
29
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。
30
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。
31
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。
32
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。
33
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。
34
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。
35
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。
36
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。
37
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。
38
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。
39
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。
40
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。
41
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。
42
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。
43
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。
44
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。
45
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。
46
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。
47
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。
48
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。
49
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。
50
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。
51
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。
52
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。
53
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。
54
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。
55
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。
56
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。
57
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。
58
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。
59
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。
60
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。
61
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。
62
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。
63
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。
64
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。
65
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。
66
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。
67
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。
68
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。
69
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。
70
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。
71
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。
72
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。
73
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。
Zyt
2019-09-02 11:42:42
2019-09-02 11:42:42
91.94
瑞1562810069
2019-09-18 23:27:41
2019-09-18 23:27:41
91.92
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