<mark id="oztn4"></mark>
0
| 本文作者： 劉海濤 | 2021-12-24 11:32 |
雷峰網(公眾號：雷峰網)消息，2021年12月19日，ISICDM 2021醫學圖像分割挑戰賽決賽順利舉行，來自上海大學計算機工程與科學學院岳曉冬教授團隊、南方醫科大學生物醫學工程學院陽維教授團隊、以及東北大學醫學與生物信息工程學院齊守良教授團隊，在總計2個大項、5個小項的比賽中分獲冠軍。
本次挑戰賽由ISICDM 2021會議組委會聯合天津醫科大學總醫院、同濟大學和東北大學主辦，由天津醫科大學總醫院江榮才教授、電子科技大學李純明教授、北京郵電大學楊輝華教授擔任挑戰賽指導，同濟大學陳宇飛副教授、東北大學覃文軍教授擔任挑戰賽主席，旨在通過挑戰賽的形式為數字醫學產學研界提供技術交流和展示的平臺。本次挑戰賽的特點如下：
(一) 賽程歷時三周，賽事環環相扣
本次大賽于11月底開始報名，共有22個院校43支團隊報名參賽。賽程主要分為3個賽段：熱身賽、排位賽和決賽，每個賽段均為發放數據后限時操作上傳。本次比賽共設置2大比賽項目，5個比賽分項：頭顱 CT 血腫分割與血腫量計算、肺部 CT 解剖結構分割-支氣管/肺葉/肺血管/肺動靜脈。
比賽過程中的各個階段均記錄客觀指標數據，并公布現階段排名結果。根據各階段所有客觀指標的加權平均成績進行排名，最終有12只隊伍進入決賽。
(二) 決賽過程公正透明，兼具專業與實戰性
由于疫情的原因，本次決賽在線上會議室進行并全程直播，決賽階段受到了廣泛的關注，除進入會議室觀戰的人員外，還有4000余人次在線觀看了此次直播。
評委專業且組成合理：三大類評審分別來自醫院、公司和高校，分別從臨床、業界和算法角度對各隊伍結果進行綜合評價。現場既有來自醫學界的天津醫科大學總醫院江榮才教授、沙壯博士、大連大學附屬中山醫院薛洪省醫生、中國醫科大學附屬第四醫院周鏑醫生和江蘇省人民醫院胸外科徐心峰醫生從臨床角度對結果進行評價，還有來自東軟醫療的周慶華博士從醫學產業界的角度對成果進行指導，又有來自東北大學的覃文軍教授和同濟大學的陳宇飛副教授對算法的創新性等進行了評估。
整個評審過程評估角度覆蓋面廣，包括了算法準確度、臨床可用性、界面展示與交互性、方法創新性、算法效率等，評審角度實用且專業。
在項目一腦血腫的比賽前，天津醫科大學總醫院神經外科副主任兼NICU主任，天津市神經病學研究所副所長，我國神經重癥一線專家江榮才教授對本次比賽的臨床意義做了深刻的闡述。
江主任是中華醫學會神外分會委員兼腦外傷組副組長、中國醫師協會神外分會神經重癥專委會副主委和國家創傷醫學中心顱腦創傷專委會副主委以及《中華神經外科雜志.英文版》《中華解剖與臨床雜志》《臨床神經外科雜志》和J Clin Lab Anal的編委。是阿托伐他汀鈣治療慢性硬膜下血腫兩發明人之一并優化了該治療方案，是該項目獲得天津市科技進步特等獎的主要貢獻者。
以創新理念治療重型腦損傷及其并發癥著稱，專注顱內淋巴管引流調控治療腦外傷，年診療神經重癥患者千余人次。是天津市131第一層次人才、2020天津市重點領域推進計劃創新團隊負責人、“國之名醫.優秀風范”和改變醫學實踐之“十大原創研究領銜者”，創立天津市醫學會神經重癥分會。
江主任指出：腦血腫測算在外科治療中具有重要的臨床意義，臨床中腦出血患者手術指征之一便是腦血腫量，如幕上血腫量大于30mL或幕下血腫量大于10mL的患者需行手術治療，然而臨床上卻無法精確計算腦血腫的體積。
頭顱CT檢查可以很好地顯示出血灶，而準確估算CT圖像中血腫量，是各項研究亟需解決的問題，目前以醫師手動分割的血腫結果作為計算血腫量的“金標準”，但這種方法耗時費力；臨床上常以多田公式作為血腫量的估算方法，此公式針對出血形狀相對規則的血腫測量精確度較高，但當出血形狀相對不規則時，其結果難言精準。近年來，隨著人工智能（AI）技術的進步，根據腦血腫的CT圖像特征，嘗試自動分割CT圖像中的血腫區域及計算血腫體積成為一種可能，本比賽擬開發精準、便捷的腦血腫分割及血腫量計算方法，為腦出血精準診斷提供臨床技術支持。
比賽過程強調實戰：在實戰性上，兩個比賽項目的醫學圖像訓練數據和測試數據分別來自天津醫科大學總醫院和東北大學提供的真實臨床數據。
大賽不允許反復提交分割結果，避免了傳統分割挑戰賽中參賽者通過反復提交結果刷分數的弊端；初賽和決賽環節的每場比賽時間越來越短，也越來越逼近真實臨床環境；在決賽環節，挑戰賽組織者現場發放臨床數據，1人答辯共享PPT，1人對當場發布的數據實時測試，評委和觀眾通過選手屏幕可看到軟件操作的全部過程，真實可信。
其中，熱身賽、排位賽從發放測試數據到提交共計兩小時時間。而決賽階段現場發放測試數據并展示需在10分鐘內完成。決賽階段比熱身賽和排位賽更加緊張，在一定程度上排除了人工修訂的可能性。
賽程跟進嚴謹透明：比賽的最終成績綜合考慮了隊伍各個賽段的所有客觀指標加權平均的結果，以及現場決賽各評委的主觀測評成績。會務組提前公布了各項目的計算量化指標，并公開了各賽段隊伍的排名等信息，方便參賽團隊驗證排名的準確性。
此外，來自同濟大學的伍謙、付巍、孫士晨、黃麒光和東北大學的王龍光、李小碩、黃培芳、周璐雨8位挑戰賽助理，具備一定的醫學專業知識和算法專業能力，對賽程全程跟進與監督，也為挑戰賽的順利進行提供了保障。
(三) 參賽團隊實力雄厚，模型亮點頻出
在本次比賽中，各參賽團隊均展示出雄厚的算法實力，以及對臨床問題的深度思考。針對腦部血腫CT影像分割中的數據標注不準確與分割模型選擇難題，上海大學計算機工程與科學學院岳曉冬團隊拓展改進已有CNN、Transformer分割模型，提出了基于全局上下文注意力的分割方法，并采用了多模型集成策略對血腫區域進行不確定性度量與分割，確保分割預測結果具有較好的魯棒性與泛化性能，并在一定程度上彌補醫生的標注缺失情況，在現場實時數據的測試中得到了各類專家的一致好評。
來自南方醫科大學生物醫學工程學院陽維團隊在兩個項目的比賽中均取得了好成績。對于肺部 CT 解剖結構分割任務，他們提出采用多尺度和輕量級UNet分別解決細小血管分割、動靜脈分割需要較大感受野等問題；對于頭顱CT血腫分割與血腫量計算，采用nnUNet和nnFormer集成方式提升血腫區分割和血腫量估計精度，在各項指標中表現出眾。
來自東北大學醫學與生物信息工程學院齊守良團隊秉承“one architecture fits all segmentation”的思想，基于3D-UNet模型實現肺部的肺葉，氣道，血管，動靜脈等的解剖結構分割。在模型decoder的部分采用深監督的方式，將不同分辨率的輸出結果進行整合，從而生成模型的預測結果，在肺部各個解剖結構的分割任務中均取得了很好的效果。
2022年的ISICDM分割挑戰賽將繼續保持今年挑戰賽的優點和特色，邀請更多算法專家和醫生參與挑戰賽的數據整理與發布，制定賽程和規則，以及擔任挑戰賽評委。相信隨著更多專家學者的加入，明年的ISICDM挑戰賽將會更加精彩，并有望促進相關技術的研發與落地。
附完整獲獎名單：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
