CT影像诊断新冠肺炎

分享给好友

2020-04-30 12:00:00
开始提交

2020-05-30 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

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

自2月12日起,湖北首次将临床诊断病例数纳入新增数据,在《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》(以下简称:《第五版新冠肺炎诊疗方案》)中提到将”疑似病例中具有肺炎影像学特征者“纳入临床诊断病例标准,将“肺部影像学显示炎症明显吸收”重新回归到解除隔离和出院标准中,不难看出影像学在此次新冠肺炎中的诊断中起着至关重要的作用。

人工智能技术在本次的抗疫战争中也发挥着自己的优势,通过深度学习技术,对医学影像进行分类识别,协助诊断专家完成高效率、高准确率的诊断任务。

本赛题是一个图像二分类任务,基于2019年新冠肺炎CT医学影像数据,要求参赛者搭建算法模型,通过CT医学影像诊断患者是否感染新冠肺炎。对医学领域的人工智能技术落地研究有着重要意义。

赛事主题和数据说明

赛题描述

本赛题是一个图像二分类任务,基于2019年新冠肺炎CT医学影像数据,要求参赛者搭建算法模型,通过CT医学影像诊断患者是否感染新冠肺炎。对医学领域的人工智能技术落地研究有着重要意义。

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 样例
train.csv image_path str 图片的相对路径 ./data/input/COVIDClassification/image/0.png
label int 标签 0

评审标准

算法输入输出格式

系统评估时,要求参赛者必须在predict方法中接收到输入和评估返回的结果输出,格式如下所示。

输入字段:

{
    "image_path": ".\/data\/input\/COVIDClassification\/image\/0.png"
}

输出字段:

{
    "label": 0
}

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:
超过 90分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

小林子

大神经验
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96.38。

2020-05-02 19:28:28

大神经验
第三名

天涯·明月·刀

大神经验
batch数据为32,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96.38。

2020-05-20 07:36:46

大神经验
第三名

鹏1577582907

大神经验
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95.02。

2020-05-03 16:03:10

大神经验
4

gboy

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95.02。

2020-05-23 00:18:02

大神经验
5

海里的羊

大神经验
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95.02。

2020-05-27 00:14:16

大神经验
6

yunshao555

大神经验
batch数据为16,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94.12。

2020-05-01 13:42:49

大神经验
7

Liyw

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94.12。

2020-05-04 06:39:52

大神经验
8

mki

大神经验
batch数据为32,循环次数为35次,通过在线上环境完成训练,模型最优精度评分为93.21。

2020-05-06 01:24:23

大神经验
9

非黑即白

大神经验
batch数据为40,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93.21。

2020-05-22 04:15:33

大神经验
10

莫须有の嚣张

大神经验
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92.76。

2020-05-11 14:46:55

大神经验
第一名
张曼月 2021-04-30 11:05:11
2021-04-30 11:05:11
95.48
第二名
天涯·明月·刀 2020-06-23 03:33:34
2020-06-23 03:33:34
94.57
第三名
sombra 2020-10-10 10:38:25
2020-10-10 10:38:25
81
4
David Wang 2020-10-21 17:17:46
2020-10-21 17:17:46
54.3
5
szh 2021-10-21 21:28:43
2021-10-21 21:28:43
54.3
6
清风拂山岗 2020-10-25 16:38:02
2020-10-25 16:38:02
45.7
7
flyai会员1595818468 2020-11-02 11:42:36
2020-11-02 11:42:36
45.7
8
是阿正 2020-11-13 10:58:07
2020-11-13 10:58:07
45.7
9
梦比优斯 2020-11-21 23:58:41
2020-11-21 23:58:41
45.7
10
了却无痕 2020-11-30 18:00:40
2020-11-30 18:00:40
45.7
11
CXY 2020-12-02 20:46:57
2020-12-02 20:46:57
45.7
12
山水相依 2020-12-06 20:00:17
2020-12-06 20:00:17
45.7
13
flyai会员1603024333 2020-12-14 09:44:53
2020-12-14 09:44:53
45.7
14
初学者1611540203 2021-07-27 16:12:24
2021-07-27 16:12:24
45.7
15
CNR 2021-08-20 16:43:57
2021-08-20 16:43:57
45.7
16
罂粟 2020-07-16 15:12:11
2020-07-16 15:12:11
0
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