0
雷鋒網 AI 開發者按：自 2017 年 7 月國務院印發《新一代人工智能發展規劃》以來，中國人工智能技術得以迅猛發展，并在金融、醫療、教育、交通、社交等領域快速推廣。
尤其在醫療這個擁有海量數據、嚴格判斷規則且存在大量重復性勞動的現實場景中，人工智能的特性完全契合了這些工作需求，并發揮著重要的作用。
正是由于 AI 具備對大量數據學習與判斷的能力，通過對大量 X 光片數據集的訓練，智能體能夠在很短的世界內達到接近人類的識別準確度。
早在 17 年時，吳恩達等研究者借助國立衛生研究院公布的 10 萬幅 X 光片對人工智能算法進行訓練，就能使該智能體在短短兩個月的時間，檢測精度超越放射科醫師水平。
而除了肺炎外，人工智能算法也能根據 X 光片，診斷出其它疾病，包括：纖維變性、疝氣以及細胞團塊等；它能夠高效分析 CT 頭掃描疑似中風，并標記那些更容易出現腦溢血的人，然后將它們集中起來供放射科醫師重點檢查。
甚至這種算法還可以幫助發現乳腺 X 光圖像中那些放射科醫生肉眼難以發現的乳腺腫瘤。并且值得一提的是，數據顯示人工智能的診斷準確率也高于國立衛生研究院的基準線。
當然，AI 醫療遠不止識別 X 光片、判斷病情，它還可以幫助醫生有效提高病例錄入效率、輔助醫生進行藥物研發、提供診療方法參考等。
從這些實例中我們會發現，AI 醫療的應用非常廣泛，但 AI 病理開發環節主要涉及到了三個部分，包括了：數據積累、算法開發、場景應用環節；而這三大環節所包含的 AI 病理診斷及醫學影像識別核心技術，其實也主要涉及到三部分：
首先是數據挖掘，主要應用于數據采集環節。在這一部分，人工智能需要從大量的數據中自動搜索其中與病理特征有著相關性的圖像信息；而高質量的數據資源正是進行有效算法開發的關鍵。
其次是圖像識別，主要應用于數據分析環節。通過對影像等多媒體醫療非結構化數據的識別與分析，從而實現對具有臨床意義信息的提取。
最后是深度學習，主要應用于學習和分析環節，也是整個 AI 診斷中最核心的環節。正因臨床醫學能夠提供極為豐富的相關數據，利用深度學習對人工智能（AI）進行訓練的難度就越低，它可以達到較高性能，應用也十分靈活。
可以看到，在臨床應用中的 AI 醫療核心流程即：以傳統醫療手段中采集到的醫療數據作為基礎，通過這些數據對人工智能進行相應的訓練，然后根據臨床治療經驗建立人工智能醫療圖譜。當然，由于應用場景、病種、病程等不同，病理數據的獲取、分類也將有所區別。
AI 病理診斷技術可大幅縮短醫生的工作量，提高放射學、病理學等依賴醫學圖像支持的專業的診斷效率和準確性。因此，AI 研習社這次以 AI 醫療為主題，開設了「肺炎 X 光病灶識別」挑戰賽。
大賽主頁提供了「肺炎 X 光片」相關的數據集，包括了訓練集 20013 張以及測試集 6671 張。比賽任務也非常明確：只需編寫相應代碼，訓練模型完成對測試集圖片內容的正確識別即可~
開始時間：2019-12-09 09:00:00
結束時間：2020-01-08 00:00:00
大賽基礎獎金池為 2000 元，比賽一共設置了三種獎項，包括了：參與獎（30%）、突破獎（20%）、排名獎（50%）；三種獎項互不沖突，而優秀的選手（比如你），當然也是可以直接一次性全部拿走哦！
除此之外，在這一挑戰賽中，我們也向大家免費開放了珍貴的 GPU 資源；只要報名之后，點擊頁面右側的「獲取免費云訓練資源」，即可任意使用。
數據集下載鏈接：
最終提交結果文件如下所示，其中，第一個字段位：測試集圖片 ID（注意 ID 即文件名是從 0 開始的）；第二個字段：病灶數量（0、1、2、3、4）。
Ps：建議使用 UTF-8 編碼，共計 6671 個結果，因為數量不足可能導致無法評分哈~
整個比賽的評審完全透明化，我們將會對比選手提交的 csv 文件，確認正確分辨圖片數據，并按照如下公式計算得分，其中：
True：模型分類正確數量
Total ：測試集樣本總數量
每日 24:00，我們也會將最新結果更新在官網排行榜上，你可以隨時隨地查看自己的排名情況。
更多信息，可進入參賽主頁查看：https://god.yanxishe.com/18
雷鋒網 AI 開發者 雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
