心率不齐病症检测赛

分享给好友

2021-02-06 12:00:00
开始提交

2021-03-15 12:00:00
最终提交结束

自由训练

奖金池 ¥ 1,500
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
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

正常人的心脏跳动是由一个称为“窦房结”的高级司令部指挥。窦房结发出信号刺激心脏跳动,这种来自窦房结信号引起的心脏跳动,就称为正常的“窦性心律”,频率每分钟约为60—100次。每分钟心跳的次数,即心率就是由此而来。

心律不齐的后果可能完全无害,也可能危及生命。某些威胁生命的心律不齐的症状并不明显,通常需要采用某些诊断方法以确定心律失常的确切性质及发生原因。心电图检查(ECG)是发现心律失常并确定其病因的主要诊断方法。它提供每个心跳时电流的图形表现。

从实际应用场景来看,心率不齐检测技术确实可大幅缩短医生的工作量,并高效的展示出检测结果,但在医学研究领域也同样需要高准确率的算法模型实现以达到应用场景落地。本次比赛要求参赛者根据提供的(ECG)数据,建立精准的检测模型。

参赛须知

报名时间

2021-02-06 12:00:00 - 2021-03-14 12:00:00

提交时间

2021-02-06 12:00:00-2021-03-15 12:00:00

参赛时间:2021.02.06 12:00:00-2021.03.15 12:00:00

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)
奖金激励 15人 每人100元 + 300分钟V100-GPU云端训练时长

奖励获取要求:

  • 根据【竞赛排行榜】选取前15名达到“95分”的参赛者进行奖励,未达到95分不参与奖励。
  • 比赛结束后,前5名获奖参赛者线上提交答辩经验。第6~15名获奖参赛者请联系小助手提交答辩经验。

赛事主题和数据说明

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 data list 心率数据 [0.7240143418312072, 0.7096773982048035, ...]
label str 标签 S

本比赛数据集类别分别为:N: Nonectopic_beat (normal beat), S:Supraventricular_ectopic_beat, V: Ventricular_ectopic_beat, F: Fusion_beat, Q:Unknown_beat,共5类。 测试数据为1000条,训练数据约10万条。

需要注意的是预测结果仅返回5类的大写首字母。

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:

{
    "data": "[0.7240143418312072, 0.7096773982048035, ...]"
}

输出字段:

{
    "label": "S"
}

评审指标说明

    排行榜精度评估说明

  • 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prediction.py中的load_model和predict方法。系统使用这些方法评估模型算出评分。
达到 95分 的有效成绩即可获得奖金激励哦!
第三名

有啥tricks

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95.50。

2021-03-03 10:26:17

95.50

大神经验
第三名

疯狂的大笨蛋

batch数据为256,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95.50。

2021-03-10 19:15:00

95.50

第三名

NingAnMe

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95.00。

2021-03-04 16:57:50

95.00

4

killf

batch数据为512,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94.60。

2021-02-20 23:04:53

94.60

5

HelloWor1d

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93.20。

2021-02-07 15:32:28

93.20

6

小华

batch数据为256,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92.70。

2021-02-08 15:49:00

92.70

7

qzh

batch数据为256,循环次数为110次,通过在线上环境完成训练,模型最优精度评分为92.10。

2021-03-12 11:02:17

92.10

8

adwadwardF

batch数据为1000,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91.30。

2021-02-22 19:29:36

91.30

9

芦花似雪

batch数据为256,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90.50。

2021-02-08 09:27:40

90.50

10

江水

batch数据为256,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90.40。

2021-02-08 08:19:26

90.40

11

白开水大叔

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88.20。

2021-02-07 08:45:38

88.20

12

ㅤ1574493559

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84.90。

2021-02-27 12:37:23

84.90

13

贰拾壹

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83.00。

2021-02-19 19:59:52

83.00

14

tree__

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82.20。

2021-02-09 20:34:40

82.20

15

panghaoyan

batch数据为256,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46.60。

2021-03-09 13:41:03

46.60

16

lfywork

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21.70。

2021-02-07 17:05:05

21.70

17

样例代码

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20.00。

2021-02-03 14:53:25

20.00

18

flyai会员1612086338

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20.00。

2021-02-06 21:25:13

20.00

19

温柔的包子

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20.00。

2021-02-08 21:21:08

20.00

20

flyai会员1603024333

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20.00。

2021-02-09 16:03:54

20.00

21

不可爱的小龙龙

batch数据为60,循环次数为24次,通过在线上环境完成训练,模型最优精度评分为20.00。

2021-02-10 11:08:13

20.00

22

吴彦祖

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20.00。

2021-02-10 21:18:08

20.00

23

pacific moon

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20.00。

2021-02-14 10:39:57

20.00

24

flyai会员1611910582

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20.00。

2021-02-19 14:37:32

20.00

25

connor

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20.00。

2021-02-20 12:37:45

20.00

26

江枫与火

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20.00。

2021-02-21 11:03:14

20.00

27

flyai会员1613920390

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20.00。

2021-02-21 23:18:08

20.00

28

flyai会员1614154263

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20.00。

2021-02-24 16:40:29

20.00

29

kaven

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20.00。

2021-02-24 17:07:42

20.00

30

福星高照

batch数据为64,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20.00。

2021-03-01 11:19:25

20.00

31

flyai会员1614921971

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20.00。

2021-03-07 16:10:37

20.00

32

LetsonH

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20.00。

2021-03-07 21:51:56

20.00

33

窃书的孔乙己

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20.00。

2021-03-10 09:18:14

20.00

34

AI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20.00。

2021-03-11 17:00:54

20.00

35

Andy Arthur

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20.00。

2021-03-12 17:05:09

20.00

36

Breeze.

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20.00。

2021-03-14 20:57:24

20.00

37

leo0409

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20.00。

2021-03-15 14:24:09

20.00

38

会员1557754773

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0.00。

2021-03-02 11:59:34

0.00

39

flyai会员1615346508

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0.00。

2021-03-10 11:25:36

0.00

40

彬1615438403

batch数据为64,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0.00。

2021-03-12 13:02:37

0.00

41

flyai会员1615558798

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0.00。

2021-03-13 15:06:56

0.00

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