跳到主要內容
 
:::

競賽細節

解題人才及技術條件
具以下其中部分能力即可: •AI model 之建立、訓練與fine tune能力 •heat map實作能力 •標註工具之實作 •系統整合能力


資料型態

input:CXR (Chest X-Ray)影像(768*768px)

output:四種類別
3:高度懷疑有結節或腫塊
2:中度懷疑
1:低度懷疑
0:無



資料集整備度與細節說明
預計提供一萬個X光影像作為train dataset(正負樣本比例約為1:1)。另會保留1000個完全與上面不同病人來源的data作為test dataset。


期望成果需求
1.預期達到95%的sensitivity,與95%的specificity 2.建立標註生產線


可提供之解題資源
● 童綜合AI小組之開發資源,包括合作建立model,train model,DICOM image preprocessing, web UI開發,server API開發 ● 童綜合資訊部之PACS/HIS系統技術支援 ● 醫療domain knowledge支援 (院內參與此計劃的有三位醫師,一位放射師,一位統計專家)


額外獎勵誘因
實習機會、職缺:AI軟體工程師


出題單位
台中童綜合醫院


單位(公司)簡介
童綜合為中部海線之區域級醫院,投入機器學習領域多年,已自主開發有多項AI系統,已整合至院內系統運行,並具有商轉能力,為台灣醫界中,長期專注耕芸機器學習領域之醫院。


其他備註
由於醫學倫理委員會(IRB)之限制,院內資料無法帶出院外,可以有兩種方式使用data, 一是親臨現場實作,二是先用sample data作出可用的架構後,由院內AI team代為執行訓練與驗證。


* 題目因實際數據改變或其他不可抗力之事由,出題企業保有修改、變更或取消題目之權利。