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