AIIB2023——task1&task2任务技术方案分享
AIIB2023——task1&task2任务技术方案分享
今天将分享AIIB2023比赛task1&task2技术方案分享，大家如果感兴趣可以留言一起讨论。
一、AIIB23介绍
气道相关定量成像生物标志物 (QIB) 对于肺部疾病的检查、诊断和预后至关重要，而手动描绘气道结构过于繁重。已经做出多项努力来提高自动气道建模的性能；然而，目前的数据集只关注气管变化较小的疾病，不包括复杂的肺部疾病。例如，纤维化肺病患者肺组织内的蜂窝结构使得注释更加复杂且容易出错。
尽管尚未建立进行性纤维化肺病的正式定义和评估标准，但一年时间的用力肺活量 (FVC) 下降是疾病进展监测的常用测量指标。然而，FVC的直接测量对实验室敏感，增加了跨国界临床研究的难度。因此，定量成像生物标志物 (QIB) 是FVC等肺生理学测量的有吸引力的替代方法，气道的微观变化是IPF进展评估的高度决定性标志物。QIB已成为疾病诊断、表征和预后的关键特征。但是现在没有用于肺纤维化诊断的通用QIB。在这一挑战中，基于AI的特征提取器引入了IPF研究界，期望调查QIB与死亡率预测之间的潜在相关性。这一挑战的主要目标是开发先进的人工智能 (AI) 模型，该模型可以根据从 CT 扫描中提取的信息准确预测肺纤维化患者的死亡率状况。CT 扫描提供肺部的详细图像，允许识别可能指示疾病进展和患者预后的相关的细微模式和特征。
二、AIIB23任务
任务1、从复杂的纤维化肺病中自动提取气道。
任务2、预测肺纤维化患者在固定观察时间内的生存率的二元分类。
三、AIIB23数据集
从多中心收集了312例病例（262例来自纤维化肺病患者，50 例来自 COVID-19 患者）并纳入了这项挑战。气道结构由三位经验丰富的放射科医生精心注释。训练集120例，验证集52例，测试集140例
从多中心收集了237 例病例包含患者的 CT 扫描以及 CT 扫描后 63 周后记录的相应死亡率状态，0 代表在 63 周内死亡的患者，1 代表存活的患者。训练集95例，其中36例是死亡，59例是存活，验证集53例，测试集90例
任务1指标：IoU，DLR（检测长度比。根据专家注释的总长度（根据气道中心线计算）正确检测到的分支的长度），DBR（检测到的分支比。正确检测到的分支占总分支的比率），Precision（体素精度），leakages（总假阳性体积与金标准体积的比例），总分 = (IoU+Precision+DBR+DLR)* 0.25 * 0.7 + ( 1 -leakages)* 0.3
任务2指标：准确性：衡量预测的整体正确性；AUC（曲线下面积）：评估模型区分已故患者和活着患者的能力；灵敏度：衡量模型正确识别已故患者的能力；特异性：评估模型正确识别存活患者的能力；F1 score：结合精确率和召回率来评估模型的整体性能。
四、技术方案分享
在前面的文章中已经分享过AIIB23两个任务的方案实现，详情请参考这篇文章，AIIB23——纤维化肺病的气道树分割和基于定量 CT成像生物标志物的死亡率预测，之前也大致分享了两个任务的top3的方案，详情请参考这篇文章，AIIB2023——task1&task2任务top3技术方案分享。
目前举办方已经将task1前10解决方案和task2前5解决方案整理并发表出来了，访问链接：
https://arxiv.org/ftp/arxiv/papers/2312/2312.13752.pdf
task1前10解决方案如下所示。
task2前5解决方案如下所示。
点击阅读原文可以访问参考项目，如果大家觉得这个项目还不错，希望大家给个Star并Fork，可以让更多的人学习。如果有任何问题，随时给我留言我会及时回复的。