赛题名称：SenNet + HOA - Hacking the Human Vasculature in 3D 赛题类型：计算机视觉、3D语义分割 赛题任务：3D扫描中人体肾脏的分段脉管系统 赛题链接👇：
https://www.kaggle.com/competitions/blood-vessel-segmentation
比赛介绍
竞赛主办方是Common Fund的细胞衰老网络（SenNet）计划，该计划旨在全面识别和表征体内不同健康状态和寿命阶段的衰老细胞差异。SenNet提供公开可访问的衰老细胞图谱，并开发了建立在单细胞分析的先前进展基础上的创新工具和技术。
目前，人类专家标注员通过手工追踪血管结构，这是一个缓慢的过程。即使有专业标注员，每个新数据集也需要6个月以上的时间才能完成。由于人体解剖结构的变异性以及HiP-CT技术不断改进和变化导致图像质量的变化，使用这些手工数据的机器学习方法在新数据集上泛化效果不佳。
赛题任务
在这个竞赛中，你将处理一个数据集，其中包括多个肾脏的高分辨率3D图像，以及它们血管系统的3D分割掩模。你的任务是为测试集中的肾脏数据集创建分割掩模。
评估指标
我们使用容差为 0.0 的表面骰子指标来评估提交的内容。
可以在此笔记本中找到该指标的代码：https://www.kaggle.com/metric/surface-dice-metric
id,rle
kidney_5_0,1 1 100 10
kidney_5_1,1 1 100 10
kidney_6_0,1 0
kidney_6_1,1 0
...
数据集描述
这个竞赛的数据集包含以下几个部分：
train/{dataset}/images - 包含来自多个肾脏数据集的TIFF扫描。每个图像代表3D体积的2D切片，沿着z轴排列，文件从顶部到底部进行枚举。图像切片应该垂直或深度堆叠。
train/{dataset}/labels - 包含图像的血管分割掩模，格式为TIFF。其中的{dataset}文件夹包括以下内容：
kidney_1_dense
- 以50微米分辨率呈现的右肾的整个结构。整个3D动脉血管树已经密集分割，直到距肾小球（即毛细血管床）两代。使用BM05光束线。kidney_1_voi
-kidney_1
的高分辨率子集，分辨率为5.2微米。kidney_2
- 另一位捐赠者的整个肾脏，以50微米分辨率呈现。稀疏分割（约65%）。kidney_3_dense
- 以50.16微米分辨率捕获的肾脏部分（500张切片），使用BM05光束线。密集分割。请注意，我们在kidney_3_sparse/images
文件夹中提供了kidney_3
的所有图像。因此，该数据集仅有一个labels
文件夹。kidney_3_sparse
-kidney_3
的其余分割掩模。稀疏分割（约85%）。test/{dataset}/images - 包含测试集的TIFF扫描。这些扫描可能与训练集中使用的扫描采用不同的光束线或分辨率。数据集的名称为
kidney_5
和kidney_6
。train_rles.csv - 训练集图像的运行长度编码分割掩模。
id
- 每个切片的唯一标识符，格式为{dataset}_{slice}
。rle
- 该切片的运行长度编码掩模。sample_submission.csv - 一个正确格式的示例提交文件。有关详细信息，请参阅评估页面。
赛题赛程
2023 年 11 月 7 日 - 开始日期。 2024 年 1 月 30 日 - 报名截止日期。 2024 年 1 月 30 日 - 合并截止日期。 2024 年 2 月 6 日 - 最终提交截止日期。
# 竞赛交流群 邀请函 #
每天大模型、算法竞赛、干货资讯
