赛题名称：SenNet + HOA - Hacking the Human Vasculature in 3D
赛题链接：https://www.kaggle.com/competitions/blood-vessel-segmentation
赛题背景
目前，人类专家标注员需要手动追踪血管结构，这是一个缓慢的过程。即使有专家标注员，每个新数据集也需要6个月以上的时间才能完成。由于人体解剖学的变化以及HiP-CT技术不断改进和变化导致的图像质量变化，使用这种手动数据的机器学习方法无法很好地推广到新的数据集上。
竞赛由Common Fund的细胞衰老网络（SenNet）计划主办，旨在全面识别和描述身体各个部位、不同健康状况和生命周期中衰老细胞的差异。SenNet提供公开可访问的衰老细胞图谱，并开发基于先前单细胞分析进展的创新工具和技术。
赛题任务
这个比赛的目标是分割血管。参赛者将创建一个模型，该模型在人类肾脏的3D分层相位对比断层扫描（HiP-CT）数据上进行训练，以帮助完成整个身体的血管结构图像。
参赛者的工作将有助于研究人员更好地了解人体组织中血管的大小、形状、分支角度和模式。
评价指标
竞赛使用表面骰子度量来评估提交的内容，其公差为0.0。
提交文件
对于测试集中的每个id，参赛者必须预测 rle (一个运行长度编码的实例分割掩码)，其中id 表示具有路径test/{dataset}/images/{slice}.tif的图像的{dataset}_{slice}。将空掩码的RLE表示为1 0。
参赛者的投稿应包含一个标题，并具有以下格式:
id,rle
kidney_5_0,1 1 100 10
kidney_5_1,1 1 100 10
kidney_6_0,1 0
kidney_6_1,1 0
...
数据描述
这个竞赛数据集包含了几张肾脏的高分辨率3D图像以及它们的血管结构的3D分割掩码。参赛者的任务是为测试集中的肾脏数据集创建分割掩码。
这些肾脏图像是通过分层相位对比断层扫描（HiP-CT）成像获得的。HiP-CT是一种从体外器官获取高分辨率（1.4微米至50微米分辨率）3D数据的成像技术。
文件和字段信息
-
train/{dataset}/images- 包含来自几个肾脏数据集的TIFF扫描。 -
train/{dataset}/labels- 包含用于图像的血液血管分割掩码的TIFF格式。 {dataset}文件夹包括以下内容：-
kidney_1_dense - 右肾整体，分辨率为50微米。 -
kidney_1_voi-kidney_1的高分辨率子集，分辨率为5.2微米。 -
kidney_2- 来自另一个供体的肾脏整体，分辨率为50微米。 -
kidney_3_dense- 使用BM05的肾脏的一部分（500个切片），分辨率为50.16微米。 -
kidney_3_sparse-kidney_3的剩余分割掩码。
-
-
test/{dataset}/images- 包含测试集的TIFF扫描。 train_rles.csv- 训练集中图像的运行长度编码分割掩码。-
id- 每个切片的唯一标识符，形式为{dataset}_{slice}。 -
rle- 该切片的运行长度编码掩码。
-
-
sample_submission.csv- 一个格式正确的示例提交文件。
时间安排
-
2023 年 11 月 7 日 - 开始日期
-
2024 年 1 月 30 日 - 报名截止日期
-
2024 年 1 月 30 日 - 合并截止日期
-
2024 年 2 月 6 日 - 最终提交截止日期
赛题奖金
-
第一名 - 25,000美元
-
第二名 - 20,000美元
-
第三名 - 15,000美元
-
第四名 - 10,000美元
-
第五名 - 10,000美元
需要组队的私聊
关注下方【学姐带你玩AI】🚀🚀🚀
回复“比赛”获取190+场比赛top方案（kaggle、天池、ccf...）
码字不易，欢迎大家点赞评论收藏！
