MICCAI 2022 多模态腹部分割国际挑战赛来了（AMOS22）
点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
国际顶级医学图像和计算机辅助介入大会MICCAI2022将于9月在新加坡召开。深圳市大数据研究院、香港中文大学（深圳）、香港大学、中山大学等多家研究机构将联合深圳市龙岗区人民医院、深圳市龙岗中心医院共同举办MICCAI2022多模态腹部分割国际挑战赛（AMOS22），旨在通过开放数据集和挑战赛促进相应医疗分割算法的发展。
挑战赛背景
腹部多器官分割一直是医学图像分析领域最活跃的研究领域之一，其作为一项基础技术，在支持疾病诊断，治疗规划等计算机辅助技术发挥着重要作用。近年来，基于深度学习的方法在该领域中获得了巨大成功，却也暴露出了一个迫切问题: 当前社区缺乏一个大规模、多样性、且符合真正临床场景的综合基准数据集来开发/评估对应的算法。虽然目前已有几个腹部器官分割数据集，它们的标注器官和标注例子数目却相对有限，仍然限制了现代深度模型的力量，也难以对提出的不同方法进行全面和公平的评估。
为了解决上述问题，进一步促进医疗图像分割技术的发展，深圳市大数据研究院、香港中文大学（深圳）、香港大学、中山大学等机构联合深圳市龙岗区人民医院、深圳市龙岗中心医院提出了多模态腹部分割数据集（AMOS），一个大规模，多样性的，收集自真实临床场景下的腹部多器官分割基准数据。AMOS总计提供了500个CT与100个MRI扫描，每个扫描附带了15个腹部器官的体素级标注, 是目前已知最全面的腹部分割基准数据集。同时，AMOS的数据收集于多模态，多中心，多厂商，多阶段，多病种的病人，具有丰富的数据多样性，也更符合真实临床场景。AMOS数据集与AMOS22挑战赛的开放，将极大地推动相应研究进展。
图1. AMOS提供了500个CT和100MRI扫描的15个腹部器官的体素级注释，包括脾脏、右肾、左肾、胆囊、食道、肝、胃、主动脉、下腔静脉、胰腺、右肾上腺、左肾上腺、十二指肠、膀胱、前列腺/子宫。
挑战赛内容
具体来说，AMOS22包含两条赛道，参与团队可以参加任意子项并提交结果：
赛道 1
CT腹部器官分割（仅CT）
作为一项常规任务，任务1旨在全面评估不同分割方法在大规模CT扫描中的上表现，在此任务中，总计提供了500个样本以及对应的15个器官的体素级标注；
赛道 2
跨模态腹部器官分割（CT和MRI）
这项任务将任务1的图像模式目标扩展到MRI模态。在 "跨模态"的设置下，要求参赛者使用一个单一的算法来分割CT和MRI中的腹部器官。在此任务中，额外的100张具有相同类型注释的MRI扫描图像将会被提供。
挑战赛奖励
AMOS22 为获奖队伍提供了以下奖励：
01
现金奖励
第一名：
1000美金
第二名：
500美金
第三名：
400美金
第四到第五名：
200美金
第六到第十名：
100美金
02
AWS云计算积分奖励
第一名：
价值10,000美金的云计算积分
+
价值15,000美金的半价云计算积分
第二到第三名：
价值5,000美金的云计算积分
+
价值15,000美金的半价云计算积分
第四到第五名：
价值5,000美金的云计算积分
第六到第十名：
价值1,500美金的云计算积分
03
其他奖励
前十名队伍均可获得证书奖励；
前三名队伍将受邀至MICCAI22 DALI workshop做口头演讲；
*关于MICCAI22 DALI workshop请访问：
https://dali-miccai.github.io/
排名前列的队伍将被邀请作为竞赛合著论文作者，论文将投稿至高水平刊物。
挑战赛日程
Apr.15
队伍注册
May.1
训练数据， 测试数据发布
May.10-
Jul.15
第一阶段测试
Jul.15
参赛队伍提交文档截止日期
Jul.20-
Jul.23
第二阶段测试
Aug.15
排名结果公布
挑战赛入口
扫描二维码
点击文章左下“阅读原文”
或复制以下链接跳转
https://amos22.grand-challenge.org/
均可进入挑战赛
ICCV和CVPR 2021论文和代码下载
后台回复：CVPR2021，即可下载CVPR 2021论文和代码开源的论文合集
后台回复：ICCV2021，即可下载ICCV 2021论文和代码开源的论文合集
后台回复：Transformer综述，即可下载最新的3篇Transformer综述PDF
目标检测和Transformer交流群成立
扫描下方二维码，或者添加微信：CVer6666，即可添加CVer小助手微信，便可申请加入CVer-目标检测或者Transformer 微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer等。
一定要备注：研究方向+地点+学校/公司+昵称（如目标检测或者Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲扫码或加微信: CVer6666，进交流群
CVer学术交流群（知识星球）来了！想要了解最新最快最好的CV/DL/ML论文速递、优质开源项目、学习教程和实战训练等资料，欢迎扫描下方二维码，加入CVer学术交流群，已汇集数千人！
▲扫码进群
▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看