2024第二届全国数字健康创新应用大赛——赛题6：基于常规超声图像鉴别乳腺导管原位癌与纤维腺瘤诊断的详细要求和说明

赛题6：基于常规超声图像鉴别乳腺导管原位癌与纤维腺瘤诊断（详细说明）

本赛题目标为基于超声影像实现乳腺癌早期筛查。导管原位癌（DCIS）被认为是乳腺癌的一种癌前病变、在常规乳腺癌筛查超声中其影像学表现与常见的良性乳腺疾病纤维腺瘤（FA）相似。计算机视觉、机器学习包括深度学习等AI技术的客观、定量分析可以提供额外诊断信息，辅助医生鉴别诊断DCIS与FA，有助于将乳腺癌的疾病控制提前到更早时期。

1.数据说明

竞赛中所使用的数据集为临床真实场景中的乳腺超声检查图像，DCIS与FA的病例数量为1:4，每个病例选择了一张普通超声影像（灰阶图）且病灶区域已被截取为矩形边界框。在决赛阶段将提供给参赛者一个训练集（DCIS：200例，FA：799例,包括图片、疾病类型、边界框位置）与一个独立测试集(DCIS：100例，FA：399例,包括图片、边界框位置)，参赛者基于所提供训练集训练好模型，该模型将在上述测试集上验证模型性能。

图片样例请下载：样例数据

2.成果提交

初赛需提交技术方案word版本文件1份，侧重点是对算法模型进行说明、展示测试结果（同决赛评价指标）。

决赛要求在规定时间内完成模型验证，提供的数据集（输入）：dataset.csv（训练集的类别标签与边界框位置、以及测试集的边界框位置）与对应的超声图像，决赛输出识别结果：将所有识别结果整理为一份CSV文件——包含测试集图像序号与模型诊断结果（1为DCIS，0为FA），测试集图像顺序需与所提供的dataset.csv中的对应图像的顺序相同；同时需提交word方案、PPT汇报文件各1份，并进行方案展示。

3.评审规则

3.1初赛

3.2决赛

本赛题为二分类问题，采用准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数。具体计算公式如下：

说明：分别代表真阳性、假阳性、真阴性、假阴性的数目。