UEF 癌症人工智能研究团队发起了一项新的深度学习挑战，由高级研究员Hamid Behravan博士领导，并由芬兰创新基金Sitra 资助。该挑战旨在开发一种能够根据乳房 X 光照片自动估计乳房百分比密度的架构。高乳腺组织密度是乳腺癌的重要危险因素。
乳房密度是指乳房中致密组织与脂肪组织的比例。乳房致密的女性比乳房脂肪多的女性患乳腺癌的风险更高。乳房非常致密的女性患乳腺癌的可能性是乳房脂肪多的女性的 4-5 倍。
目前用于估计乳房 X 光照片中乳腺密度百分比的计算机辅助设计工具通常存在局限性，例如仅限于特定的乳房 X 光照片视图，难以完整描绘胸肌，并且在数据可变的情况下表现不佳。这些工具还需要经验丰富的放射科医生来调整乳房区域内致密组织的分割阈值。
这一挑战需要开发一种新的深度学习架构，该架构可以克服这些限制，并根据乳房 X 光照片自动估计基于区域的乳房百分比密度。该挑战欢迎一系列方法，包括回归和分割方法。
参与者将在 569 张乳房 X 光检查图像的数据集上训练他们的模型，并在另一组 149 张图像上测试他们的性能。所提供的Github 存储库中提供了基线分段方法的源代码。鼓励参与者利用和增强该模型来完成挑战密度估计任务。
通过参与这一挑战，参与者将为解决方案做出贡献，该解决方案有可能导致乳腺癌的早期检测和预防。他们还将运用深度学习和图像分析技能来解决对公共卫生具有重大影响的现实问题。
该挑战赛的提交截止日期为 2024 年 3 月 31 日。获奖者将于 2024 年 4 月 1 日公布。我们邀请排行榜前三名的团队与我们合作撰写稿件。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 55@qq.com 举报，一经查实，本站将立刻删除。转转请注明出处：https://www.szhjjp.com/n/773531.html
