大賽官方網址：http://bss.csdn.net/m/topic/poweraiQ4
賽前培訓地址：http://edu.csdn.net/huiyiCourse/detail/629
**大賽交流QQ群：**377825425

如今人工智能與傳統行業的結合備受矚目，尤其是醫療行業，而醫療影像則被認為是AI與傳統醫療結合過程中最先有可能實現商業化落地的領域之一。

據了解，目前在醫療領域還存在很嚴重的資源不均衡，患者在患病后還是習慣第一時間去三甲醫院就診。但也正是因為這樣的原因，導致影像科醫生特有的工作環境和工作壓力，并呈現持續增長的狀態，漸漸我們發現醫療大數據中有超過80%的數據來自于醫療影像，大量的影像數據讀取客觀要求更為高效、準確的技術手段，而人工智能恰好可以滿足要求，可見醫學影像與AI 相結合勢在必行！

為解決醫療影像的行業痛點，12月16日，IBM PowerAI人工智能線下馬拉松編程大賽終極對決即將在北京拉開序幕。

本屆大賽由CSDN與IBM聯合發起，主要通過醫工結合，運用深度學習、大數據驅動的方式，實現精準的X光胸片影像分析及目標定位。

具體來說，就是通過計算機視覺和大數據、深度學習的結合，將積累的醫學數據轉化為可用的模型，利用圖像處理和機器學習算法對圖像進行分析，檢測異常部分；同時利用AI技術克服不同操作人員之間的主觀差異，減輕人工處理的工作量，讓計算機在精確度和速度上幫助醫生提高診斷效率。

該項比賽結合大量真實影像數據，將人工智能技術應用到肺部X光胸片的病理檢測和目標定位，將大賽成果轉化于臨床，輔助醫生對疾病進行更加精準的診斷與篩查，實現疾病早期發現、早期干預，更有效減輕病人肺部損害，具有指導性的現實意義。

此外，大賽設置了三類獎項，并分別貫與稱號。一等獎1名（數據科學家），獎金為10,000RMB；團隊二等獎2名（最佳分析師），獎金8,000 RMB；團隊三等獎3名（挖掘精英），獎金5,000 RMB。

作為既創新又落地的比賽，主辦方特別邀請了重量級業界以及行業嘉賓組成強大的評審陣容，同時參賽選手有機會與諸位大咖面對的面接觸，更有可能結識更優秀的團隊來拓寬眼界，增長技術知識，據小編了解這次比賽現場全程配有視頻直播，更令人期待！

說到底，最最重要的一點，怎樣才可以去參加這樣一場“打造醫生的火眼金睛”的比賽呢？

本以為這次比賽和同類型的技術編程比賽在流程上大體無異，主要分為報名、集訓、現場編程、提交作品、評審頒獎這幾個基本環節，但細心的小編后來發現，在流程中主辦方特別加入了賽前集訓的環節，作為參賽選手硬性被要求參加的部分，也是為了能夠在賽前充分了解賽題需要并做到答疑解惑。

　　這一點，不得不說主辦方很悉心。

需要說明的一點，大賽對普通團隊的選手身份沒有特別的要求，這種普適性很贊，還比較細致地將參賽機構和人群進行了分類，用來保證醫療以及相關行業的參賽占比不少于總數一半。

其中，企業方面，醫療行業人工智能從業者與創業者都可以參與其中；高校方，無論是計算機視覺、圖像處理與醫學影像研究背景的教授、研究員，還是想從事醫學影像分析的學生都鼓勵參與。

此外，因為這場比賽有關醫療，當然也十分鼓勵醫院影像科、放射科、病理科的主任醫師們以及信息中心主任們加大參與力度，同時為了保證參賽選手的多樣性，主辦方也希望CFDA等醫療相關監管機構的從業者為這次活動添磚加瓦。

打算參賽的選手請注意！

除了注意參賽選手的基本構成外，參賽者可以通過個人或團隊形式參與比賽，但小編友情提示，最好是團隊形式，建議每個組 3-5個人；需要自行攜帶筆記本電腦，更具挑戰性的一點就是比賽12小時內需要現場編寫程序代碼，聽起來很激動人心！此外參賽選手還必須基于大賽組委會提供的統一訓練樣本數據進行分類。

同時，組委會會相應為參賽者準備免費的開發環境，ML/DL的架構和庫以及在比賽現場可免費使用的訓練樣本數據。

關于賽題，我們還需要知道些什么呢？

本次比賽希望通過利用半監督的訓練方法從有標注和無標注的圖像數據中訓練出一個模型，這個模型可以準確地對圖像數據中可能產生病變的位置進行自動偵測標注（detection）。

在沒有足夠量的位置標注（Bounding Box，但是有類別標注）的圖片的前提下，如何結合數量不多的已標注的圖片來進行半監督的訓練，這是一個需要考察的方面，難點在于如何利用好所有的數據資源來提高傳統的目標檢測模型的準確度。

主辦方表示，選手會在現場得到大賽組委會分發的醫療影像訓練數據，其中包括圖片和標簽文件。標簽文件為標準描述文件ImageNet和PascalVOC格式。

此外，比賽數據在比賽最后一小時提供，選手需要提交兩個模型以及對模型的說明：第一個模型需要根據訓練數據訓練出一個多標簽圖像分類模型(Multi-label Classification)；第二個模型需要根據訓練數據訓練出一個目標檢測模型，類別同第一個模型，該模型需要能標記出目標位置（bbox）。

數據類別分類約為 8-14 類，具體數量以現場得到數據量為準。大賽鼓勵選手發揮創意來解決標注數據不足的問題，對于特別有創意的實現方式會有附加分獎勵。

說到附加分、獎勵這些，本次大賽如何鎖定優勝者或者優勝團隊呢？小編來扒一扒評分標準吧！

1、成功完成兩個模型的的團隊給予基礎分20分。
2、多標簽分類模型準確率在前三名的團隊分別給予加分，分別是第一名10分，第二名3分，第三名1分，其余團隊不得分，正確率在正負2%以內的可以記為并列名次。
3、多標簽分類模型正確率達到75%以上的按照運行時間從短到長取前三名給予性能分獎勵：第一名10分，第二名5分，第三名3分。其余隊伍不得分。未達到 75%以上準確率的隊伍該輪都不得分。
4、第二組目標檢測模型根據正確率評分標準 (mAP)給予加分40分。 分為6檔, 檔位為95%以上正確率40分, 89%以上30分, 82%以上20分, 75%以上15分， 65%以上10分, 其他0分。
5、目標檢測模型正確率達到 75%以上的按照的按照運行時間從短到長取前三名給予性能分獎勵：第一名10分，第二名5分，第三名3分。其余隊伍不得分。
6、根據選手實現的模型新穎性，裁判會給出0-10分的附加分。

關于參賽的一些注意事項，通過與主辦方溝通，小編暖心給予提示，參賽選手看過來！

首先，參賽者可以通過Caffe、Tensorflow、Torch and Theano進行模型訓練，鼓勵發揮GPU on Powe硬件特性；但是要求參賽者編寫神經網絡模型實現考題需求。

其次，參賽者可以修改Caffe，Torch, Theano或者Tensorflow源代碼，需要注意的一點，必須在修改后提供代碼修改說明來確定沒有違規的部分。

此外，參賽者還可以使用github上開源的不同發行版的Caffe、Torch、Theano或者 Tensorflow，但是必須自己解決在Power上的依賴和編譯問題。

最后一點，賽程當天環境只提供基于Python 2.7版本的深度學習框架。如需 Python 3版本的框架需自行設置；任何使用模式識別方式或通過編程方式直接識別物體或判斷bbox都視為違規的。

小編先說這么多，想感受12小時現場PO 代碼的酸爽嗎？想近距離見識大咖評委的妙語連珠嗎？方法只有一個！只有快來報名啦！