ADAM 挑战：从眼底图像中检测年龄相关性黄斑变性

年龄相关性黄斑变性（AMD）是全球老年人视力受损的首要原因。AMD 的早期检测至关重要，因为该疾病导致的视力丧失是不可逆且永久的。彩色眼底照相是筛查视网膜疾病最具成本效益的成像方式。近期已开发出基于深度学习的尖端算法，用于从眼底图像中自动检测 AMD。然而，仍缺乏全面标注的数据集与标准评估基准。为解决此问题，我们设立了年龄相关性黄斑变性自动检测挑战（ADAM），其作为 ISBI 2020 会议的卫星事件举办。ADAM 挑战包含四项任务，涵盖从眼底图像检测和表征 AMD 的主要方面，包括 AMD 检测、视盘检测与分割、中央凹定位，以及病变检测与分割。作为挑战的一部分，我们发布了一个包含 1200 张眼底图像的综合数据集，带有 AMD 诊断标签、视盘与 AMD 相关病变（包括玻璃膜疣、渗出物、出血和瘢痕等）的像素级分割掩码，以及黄斑中央凹位置坐标。我们构建了统一评估框架，以使用该数据集对不同模型进行公平比较。挑战期间共提交 610 份结果用于在线评估，最终 11 支队伍参与现场挑战。本文介绍该挑战、数据集与评估方法，并总结参赛方法且分析其在各项任务上的结果。特别地，我们观察到集成策略与临床领域知识的引入是提升深度学习模型性能的关键。