STOIC2021 COVID-19 AI挑战赛：将可复用训练方法应用于私有数据
图像与视频处理
2023-06-27 v2 计算机视觉与模式识别
摘要
挑战赛推动了自动化医学图像分析的技术前沿。其所提供的公共训练数据量可能限制其解决方案的性能。这些解决方案的训练方法仍缺乏公共访问途径。本研究实施了Type Three（T3）挑战赛格式，该格式允许在私有数据上训练解决方案并保证可复用的训练方法。通过T3，挑战赛组织者在隔离训练数据上训练参与者提供的代码库。T3在STOIC2021挑战赛中得到实施，目标是从计算机断层扫描（CT）预测受试者是否患有重症COVID-19感染（定义为一个月内插管或死亡）。STOIC2021包括资格赛阶段（参与者使用2000张公开可用CT扫描开发挑战方案）和最终阶段（参与者提交其训练方法，并据此在9724名受试者的CT扫描上训练解决方案）。组织者成功训练了八份最终阶段提交中的六份。用于训练和推理提交的代码库已公开发布。获胜方案在区分重症与非重症COVID-19的受试者工作特征曲线下面积达到0.815。所有决赛选手的最终阶段解决方案均较其资格赛阶段解决方案有所改进。HSUXJM-TNZF9CHSUXJM-TNZF9C
引用
@article{arxiv.2306.10484,
title = {The STOIC2021 COVID-19 AI challenge: applying reusable training methodologies to private data},
author = {Luuk H. Boulogne and Julian Lorenz and Daniel Kienzle and Robin Schon and Katja Ludwig and Rainer Lienhart and Simon Jegou and Guang Li and Cong Chen and Qi Wang and Derik Shi and Mayug Maniparambil and Dominik Muller and Silvan Mertes and Niklas Schroter and Fabio Hellmann and Miriam Elia and Ine Dirks and Matias Nicolas Bossa and Abel Diaz Berenguer and Tanmoy Mukherjee and Jef Vandemeulebroucke and Hichem Sahli and Nikos Deligiannis and Panagiotis Gonidakis and Ngoc Dung Huynh and Imran Razzak and Reda Bouadjenek and Mario Verdicchio and Pasquale Borrelli and Marco Aiello and James A. Meakin and Alexander Lemm and Christoph Russ and Razvan Ionasec and Nikos Paragios and Bram van Ginneken and Marie-Pierre Revel Dubois},
journal= {arXiv preprint arXiv:2306.10484},
year = {2023}
}