首届 Apache Spark AI智能诊断大赛重磅来袭!

本文涉及的产品
EMR Serverless StarRocks,5000CU*H 48000GB*H
简介: 本次大赛将由阿里云计算有限公司、英特尔(中国)有限公司联合主办,湘雅医院、浙江大学附属第二附属医院、解放军301医院作为指导单位,唯医骨科共同合作,全程有资深技术专家提供技术指导。本次挑战的目标是通过核磁共振成像来检测和分类脊柱的退行性改变,形成一批创新性强、复用率高的算法案例,并积极推动相关技术的临床应用,用科技造福医疗事业,鼓励人工智能与疾病预防深度融合的应用落地,由点到面驱动国内人工智能医疗产业发展,向公众真正意义上展示大数据AI在整个社会不可替代的价值。

SparkAI_1080_1584 Poster.jpg

Spark“数字人体”AI挑战赛——脊柱疾病智能诊断大赛介绍

首届 Apache Spark AI智能诊断大赛由阿里云、Intel、Databricks 共同举办。Spark“数字人体”AI挑战赛——脊柱疾病智能诊断大赛,召集全球开发者利用人工智能技术探索高效准确的脊柱退化性疾病自动诊断,并积极推动相关技术的临床应用。本次比赛尤其鼓励企业参赛,代表企业参赛并进入第二赛季的队伍,将有机会成为阿里云医疗行业合作伙伴。

本次大赛分为第一赛季、第二赛季、决赛三个阶段, 进入第二赛季的队伍将会被要求选择赛道,结合选手初赛排名情况和意向,选手将会被分配分别到GPU赛道和CPU赛道。

报名及实名认证(2020年5月20日-7月17日)
第一赛季(2020年6月10日-7月17日,UTC+8)
第二赛季(2020年7月20日-8月30日,UTC+8)

选题背景

脊柱退化性疾病,如腰椎间盘突出等症状正呈现出年轻化的趋势,困扰着老年人群体和办公族,正确的预防和干I能够有效防止疾病的恶化。核磁(MRI)作为非侵入式检查手段,对软组织成像好,无辐射,对肌肉骨骼疾病的特异性和敏感度较高,适合对普通人群的常规检查,是预防脊柱退化性疾病的可靠检查手段。同时临床上,对脊柱退化性疾病的诊断的一致性有待提高,人工智能算法在临床流程中可以帮助提高诊断的一致性和可量化性,对量化评估针对脊柱退化性疾病的干预效果有着很高的价值。本次大赛将召集全球开发者利用人工智能技术探索高效准确的脊柱退化性疾病自动诊断,并积极推动相关技术的临床应用。

本次挑战的目标是通过核磁共振成像来检测和分类脊柱的退行性改变。共有6类靶点,包括正常椎体、退变椎体、正常椎间盘、椎间盘突出、膨出等情况。参赛者需要提供AI算法来预测每个MRI中脊柱的位置和分类。

钉钉交流群

  • Spark数字人体挑战赛选手问答钉钉群

入群链接:https://qr.dingtalk.com/action/joingroup?code=v1,k1,vEss45OKjBPFFVOCq+eZSYrLYVKhO0CL8WmszL+TsQU=&_dt_no_comment=1&origin=11
image.png

  • Apache Spark中国技术交流社区
    image.png

Tips:

首届 Apache Spark AI 智能诊断大赛参赛福利,本次大赛涉及 Spark 的深度应用,可参考 Apache Spark 技术圈 https://developer.aliyun.com/group/apachespark 整理的实践经验和组合案例;关于EMR的入手学习可参考其官网的文档 https://www.aliyun.com/product/emapreduce 充分发挥学习教程的作用;除此之外,我们还会邀请Intel、阿里云EMR、达摩院、Databrics公司的技术专家在选手交流群内分享直播,不容错过哦。

报名入口及赛题详情:

https://tianchi.aliyun.com/competition/entrance/531796/introduction

发起人计划

1.从比赛上线起,成功邀请身边小伙伴参赛即可成为发起人。入伙发起人,可赢取丰厚礼品。
如果你是关注学术赛事的高校老师,或者运营鬼才,亦或是一呼百应的明星选手,赛事发起人计划诚邀你的参与!

2.被邀请选手需要在报名时填写发起人姓名/手机号码。
image.png

3、发起人名单每周统计一次发布公示。榜单于7月19日18:00停止更新。获奖发起人请加入钉钉选手问答群【如上】,私聊群主收件地址,礼品发放时间:2020年8月底前。奖品可叠加哦~

image.png
社区礼物.JPG

总体赛程安排:

报名及实名认证(2020年5月20日-7月17日)

1、报名方式:登录比赛官网,完成个人信息注册,即可报名参赛;
2、选手可单人成队或2-3人组队参赛,每位选手只能加入一支队伍;
3、选手需确保报名信息准确有效,组委会有权取消不符合条件队伍的参赛资格及奖励;
4、选手报名、组队变更等操作截止时间为7月17日10:00 AM;
5、各队伍(包括队长及全体队伍成员)需要在7月17日中午12:00 AM前完成实名认证(认证入口:天池官网-右上角个人中心-认证-支付宝实名认证),未完成认证的参赛团队将无法进行正式比赛;

第一赛季(2020年6月10日-7月17日,UTC+8)

1、报名成功后,参赛队伍通过天池平台下载数据,本地调试算法,在线提交结果。若参赛队伍在一天内多次提交结果,新结果版本将覆盖旧版本。
2、第一阶段(6月10日-7月16日)每天提供2次的评测机会,系统排行时间为11:00、21:00,每天更新排行榜,按照评测指标从高到低排序;(排行榜将选择选手在本阶段的历史最优成绩进行排名展示,不做最终排名计算)
3、第二阶段(7月17日)系统将在17日11:00更换测试数据(加密),参赛团队需要再次下载数据文件,17:00公布数据集密码,本轮仅有1次测评机会,系统将在21:00进行评测,并清空排行榜进行重新排名。
4、第一赛季截止后(7月17日21:00最后一次测评),组委会将进行排名前100名参赛队伍的入围审核。部分团队将需要提交代码作为补充材料进行审核,组委会将识别只靠人工标注而没有算法贡献的队伍,并终止上述团队参赛,晋级空缺名额后补。直接使用开源的baseline产出成绩,没有算法贡献的参赛团队无法进入复赛。

第二赛季(2020年7月20日-8月30日,UTC+8)

1、 复赛环节,进入复赛的队伍将会被要求选择赛道,结合选手初赛排名情况和意向,选手将会被分配分别到GPU赛道和CPU赛道,每个赛道50个队伍;
2、复赛参赛队伍在线获取训练数据和更新的测试数据,在线提交调试算法,在线提交结果。
3、复赛数据不可下载,选手需使用比赛提供竞赛环境完成数据处理、建模、算法调试、产出结果等所有环节。环境内置了Tensorflow、Pytorch等框架,同时也可自行安装需要的第三方库。
4、2020年7月20日起提供每天1次的评测和排名机会,系统评测开始时间为10:00AM,每天更新排行榜,按照评测指标从高到低排序(排行榜将选择选手在本阶段的历史最优成绩进行排名展示,GPU和CPU赛道分别统计排名情况);
5、第二赛季截止时(2020年8月30日10:00)GPU和GPU赛道的TOP12团队分别进入代码审核。代码审核要求选手提交的代码结构清晰,根据说明可直接通过脚本重新完成模型的训练与推断,复现比赛成绩。此外,在审核阶段会着重比较代码的重合度。复赛代码审核通过的GPU和GPU赛道的TOP6的参赛队伍选手代表将分别受邀参加决赛。

奖项设置

GPU赛道:

冠军:1支队伍,每支队伍奖金拾万,颁发获奖证书
亚军:2支队伍,每支队伍奖金伍万,颁发获奖证书
季军:3支队伍,每支队伍奖金壹万,颁发获奖证书
(上述奖项以决赛答辩的最终名次决定)

CPU赛道:

冠军:1支队伍,每支队伍奖金拾万,颁发获奖证书
亚军:2支队伍,每支队伍奖金伍万,颁发获奖证书
季军:3支队伍,每支队伍奖金壹万,颁发获奖证书
(上述奖项以决赛答辩的最终名次决定)

大赛组织

主办单位:阿里云计算有限公司
协办单位:英特尔(中国)有限公司
合作单位:唯医骨科
指导单位:湘雅医院;浙江大学附属第二附属医院;解放军301医院

▼ 学习传送门 ▼
https://developer.aliyun.com/group/apachespark

https://developer.aliyun.com/group/aliyunemr

https://www.aliyun.com/product/emapreduce

报名链接:
https://tianchi.aliyun.com/competition/entrance/531796/introduction

首届 Apache Spark AI 智能诊断大赛希望为所有大数据技术爱好者以及相关的科研企业提供挑战平台,用科技造福医疗事业,真正意义上向公众展示大数据AI在整个社会不可替代的价值。大赛全程有资深技术专家提供技术指导,欢迎大家积极挑战,报名参与~

相关实践学习
基于EMR Serverless StarRocks一键玩转世界杯
基于StarRocks构建极速统一OLAP平台
快速掌握阿里云 E-MapReduce
E-MapReduce 是构建于阿里云 ECS 弹性虚拟机之上,利用开源大数据生态系统,包括 Hadoop、Spark、HBase,为用户提供集群、作业、数据等管理的一站式大数据处理分析服务。 本课程主要介绍阿里云 E-MapReduce 的使用方法。
相关文章
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
构建智能化编程环境:AI 与代码编辑器的融合
在人工智能的推动下,未来的代码编辑器将转变为智能化编程环境,具备智能代码补全、自动化错误检测与修复、个性化学习支持及自动化代码审查等功能。本文探讨了其核心功能、技术实现(包括机器学习、自然语言处理、深度学习及知识图谱)及应用场景,如辅助新手开发者、提升高级开发者效率和优化团队协作。随着AI技术进步,智能化编程环境将成为软件开发的重要趋势,变革开发者工作方式,提升效率,降低编程门槛,并推动行业创新。
|
3天前
|
人工智能 自然语言处理 运维
钉钉x昇腾:用AI一体机撬动企业数字资产智能化
大模型在过去两年迅速崛起,正加速应用于各行各业。尤其在办公领域,其主要模态——文字和图片,成为了数字化办公的基础内容,催生了公文写作、表格生成、文本翻译等多种应用场景,显著提升了工作效率。然而,AI引入办公场景也带来了数据安全与成本等问题。为此,钉钉与昇腾联合推出的“钉钉专属AI一体机解决方案”,通过本地化部署解决了数据安全、成本高昂及落地难等痛点,实现了从硬件到软件的深度协同优化,为企业提供了开箱即用的AI服务,推动了办公场景的智能化升级。
21 11
|
2天前
|
机器学习/深度学习 数据采集 人工智能
探索AI在医疗诊断中的应用
【9月更文挑战第30天】本文将探讨人工智能(AI)如何在医疗诊断中发挥重要作用。我们将从AI的基本概念开始,然后深入到其在医疗领域的应用,特别是如何帮助医生进行更准确的诊断。最后,我们将通过一些实际的代码示例来展示AI是如何工作的。无论你是AI专家还是医疗专业人士,这篇文章都将为你提供有价值的信息。
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗诊断中的应用与未来展望
随着人工智能技术的飞速发展,AI在医疗领域的应用日益广泛。本文探讨了AI在医疗诊断中的具体应用,包括医学影像分析、电子病历分析和辅助诊断等。同时,讨论了AI技术在未来医疗中的潜力和挑战,如数据隐私保护、算法的公平性和透明度等问题。通过分析具体案例和当前研究成果,本文揭示了AI在提高医疗诊断效率和准确性方面的显著优势,并对其未来发展进行了展望。
|
1天前
|
机器学习/深度学习 人工智能 算法
AI辅助医疗影像:提高诊断准确性
【10月更文挑战第2天】医学影像技术是现代医学诊断的关键手段,但传统方法依赖医生经验,存在误诊风险。AI辅助医疗影像通过自动化图像识别、疾病预测和辅助诊断决策,显著提升了诊断准确性与效率。利用深度学习、数据增强及迁移学习等技术,AI不仅能快速分析影像,还能提供个性化诊疗建议,并实时监测疾病变化。尽管面临数据质量、算法可解释性和伦理法律等挑战,但多模态影像分析、跨学科合作及VR融合等趋势将推动AI在医疗影像领域的广泛应用,助力实现更精准、高效的医疗服务。
|
3天前
|
机器学习/深度学习 人工智能 算法
AI与未来医疗:智能化健康管理的新纪元
本文探讨了人工智能(AI)在医疗领域的应用及其对未来健康管理的影响。通过分析当前AI技术在疾病诊断、个性化治疗及远程医疗等方面的最新进展,文章揭示了AI如何提升医疗服务质量,实现精准医疗。同时,探讨了AI技术面临的伦理和隐私挑战,并提出应对策略。最终,本文展望了AI在未来医疗中的潜力,强调其在提高公共健康水平方面的重要性。
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗诊断中的应用
【9月更文挑战第29天】随着科技的发展,人工智能(AI)已经在许多领域得到广泛应用,其中包括医疗诊断。AI可以帮助医生更准确、更快速地进行疾病诊断,提高医疗服务的质量和效率。本文将介绍AI在医疗诊断中的应用,包括图像识别、自然语言处理和预测分析等方面。
|
13天前
|
人工智能 算法 大数据
懂场景者得AI,瓴羊发布年度产品智能化战略
9月20日,瓴羊智能科技(以下简称瓴羊)在2024云栖大会上举办了“Data × AI:企业服务智能化,价值增长新动能”专场论坛。阿里巴巴集团副总裁、瓴羊智能科技CEO 朋新宇在会上发布年度产品智能化战略:“(算法 + 算力 + 数据) x 场景 ”,强调企业必须重视场景,只有通过解构场景、重构业务,才能真正拥抱AI,带来突破性增长。
|
14天前
|
机器学习/深度学习 人工智能 自然语言处理
探索AI在医疗诊断中的应用
【8月更文挑战第50天】本文将探讨人工智能(AI)在医疗领域的应用,特别是其在医疗诊断中的作用。我们将通过具体的代码示例,展示如何使用机器学习算法进行疾病预测。本文的目标是为读者提供一个关于AI在医疗诊断中的实际应用的全面视角,以及如何利用这些技术来改善医疗服务的质量和效率。
43 11
|
7天前
|
存储 人工智能 算法
AI伦理学:建立可信的智能系统框架
【9月更文挑战第26天】随着AI技术的迅猛发展,其在各领域的应用日益广泛,但也带来了算法偏见、数据隐私泄露、就业替代等伦理和法律挑战。本文探讨AI伦理学的核心议题,包括数据隐私保护、算法公平性与透明度、机器决策责任归属及对就业市场的影响,并提出建立可信智能系统框架的建议,如强化法律法规、技术创新、建立监督机制、行业自律和公众教育,以确保AI技术的可持续发展和社会接受。

推荐镜像

更多
下一篇
无影云桌面