往届seed大赛(江苏大数据开发与应用)赛题分享

helloworld_70863843
• 阅读 422

初赛阶段: 针对胃癌病理切片,对发生癌症病变的区域进行像素级预测并对癌症类别进行分类。初赛将进行2种胃癌类别的检测任务,具体分为:

1、识别出病理图片的癌症类别

2、病理图片的病灶分割

复赛阶段:

与初赛阶段任务相同,但相较于初赛,复赛将进行3种胃癌类别(管状腺癌、粘液腺癌、乳头状腺癌)的检测任务。

赛题数据与提交说明

数据示例如下,每张小图包含一种胃癌类别。

选手需要提交测试图片的掩膜图片及图片对应的类别标签文件。预测的掩膜图片放置在result文件夹下,图片名与测试图片名相同,且为png格式,图像标签文件放置在result.csv文件夹下。最后将result文件夹及result.csv文件统一放到外层result文件夹中并压缩成result.zip格式上传。

提交示例如下:

其中,标签文件result.csv中的样例数据如下,0表示没有癌症,1代表典型性管状腺癌,2代表典型性粘液腺癌,3代表典型性乳头状腺癌。

注:提交的结果图片即result文件夹下的图片文件个数必须与测试图片个数相同;提交的标签文件中必须包含每个测试图片的标签类别。

数据下载链接:

数据名称 下载链接 初赛训练集+测试集
(7月18日修正更新,请以此次更新数据为准)

训练集下载

测试集下载

复赛训练集+测试集(复赛有AB榜,此处为A榜测试集)
训练集下载

测试集下载

提交示例下载

考核指标

初赛复赛评估指标一致,如下所示:

总评估指标:

1、PA(像素精确率Pixel Accuracy)为分割任务指标

PA表示标记正确的像素占总像素的比例,N表示画面中总共像素的个数;TP表示正确预测的病灶区域的像素个数;TN表示正确预测的健康区域的像素个数;FP表示实际为健康区域预测为病灶区域的像素个数;FN表示实际为病灶区域预测为健康区域的像素个数。

2、Top_1 error为分类任务指标

p表示正确标记与模型输出的最佳标记不同的样本数,n表示总样本数。

点赞
收藏
评论区
推荐文章
待兔 待兔
2星期前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
黎明之道 黎明之道
3年前
天池比赛数据挖掘心电图赛题理解
Datawhale零基础入门数据挖掘Task1赛题理解Task1赛题理解比赛地址:https://tianchi.aliyun.com/competition/entrance/531883/introduction1.1学习目标理解赛题数据和目标,清楚评分体系。完成相应报名,下载数据和结果提交打卡(可提交示例结果),熟悉比赛
皕杰报表之文本数据源
皕杰报表可以使用excel表作为数据源么,当然可以了。文本数据库,指的是用文本文件编写的数据表如:language类别ID类别名称1饮料2调味品3点心4日用品5谷类/麦片
Stella981 Stella981
2年前
BraTS18——多模态MR图像脑肿瘤分割挑战赛
之前挑战赛的数据都是以CT图像为主,而医学影像还有其他模态,例如核磁共振成像。今天我将分享如何对多模态MR图像脑肿瘤进行分割处理。为了方便大家学习理解整个分割流程,我将整个流程步骤进行了整理,并给出每个步骤的结果,希望对大家有所帮助。一、脑肿瘤图像分析与预处理(1)、获取多模态MR图像属性信息。读取原始图像,显示图像大小,Spacing信
Stella981 Stella981
2年前
MapReduce之Shuffle,自定义对象,排序已经Combiner
1\.Shuffle:MapReduce的计算模型主要分为三个阶段,Map,shuffle,Reduce。Map负责数据的过滤,将文件中的数据转化为键值对,Reduce负责合并将具有相同的键的值进行处理合并然后输出到HDFS。为了让Reduce可以并行处理map的结果,必须对Map的输出进行一定的排序和分割,然后交个Red
Wesley13 Wesley13
2年前
25、二分类、多分类与多标签问题的区别
二分类、多分类与多标签的基本概念二分类:表示分类任务中有两个类别,比如我们想识别一幅图片是不是猫。也就是说,训练一个分类器,输入一幅图片,用特征向量x表示,输出是不是猫,用y0或1表示。二类分类是假设每个样本都被设置了一个且仅有一个标签0或者1。多类分类(Multiclassclassification):表示分类任务中有多
Stella981 Stella981
2年前
Serverless 实战:用 20 行 Python 代码轻松搞定图像分类和预测
图像分类是人工智能领域的一个热门话题,通俗来讲,就是根据各自在图像信息中反映的不同特征,把不同类别的目标区分开。图像分类利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,代替人的视觉判读。在实际生活中,我们也会遇到图像分类的应用场景,例如我们常用的通过拍照花朵来识别花朵信息,通过人脸匹对人物信息等。通常,图像识别或分
Stella981 Stella981
2年前
Masonry源码解析
Masonry源码解析  Masonry的核心依然是使用原生的NSLayoutConstraint类来进行添加约束,通过统一的封装和链式函数式编程的方式让开发者添加约束布局更加方便。一、核心的ViewMASAdditions类别  这个类别是Masonry中用来添加,更新和重置约束的核心类别。其中提供了我
往届seed大赛(江苏大数据开放与应用)赛题分享
下载方式:远程ftp下载下载url路径:ftp://58.215.217.12:2121账号:seed2020密码:seed@123ftp使用方式见比赛讨论贴数据尚未完全完成标注和切分,所以需要分批提供下载,提供下载数据说明如下:1、医疗卫生初赛数据集01.rar:初赛数据集,共205张,全部为阴性样本数据2、医疗卫生初赛数据集02.
马尚 马尚
3个月前
使用Python进行简单的图像分类
图像分类是深度学习中的一个常见任务,它可以将图像分到预定义的类别中。本文将介绍如何使用Python和PyTorch库进行简单的图像分类任务。1.准备数据集首先,我们需要准备一个图像数据集,其中包含不同类别的图像。你可以使用自己的数据集,也可以使用公开的数据