“一人战队”登顶,腾讯云TI平台成就AI科研低门槛

2024-01-04 09:10

本文主要是介绍“一人战队”登顶,腾讯云TI平台成就AI科研低门槛,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

11月25日,历时三个多月的2021“觅影”医学人工智能算法大赛公布赛果,来自国内外多家顶尖高校和科研企业,横跨计算机、人工智能、生物医学等专业学科,共计15支冠亚季军团队脱颖而出,“95后”“00后”成为比赛大赢家,为破解临床医学难题带来新思路。

腾讯云TI平台的TI-ONE平台为赛事全程提供平台和算力保障,实现一站式、全方位的科研探索。

人工智能技术与临床医学的加速融合,正成为医疗健康领域当下高度关注的方向。

作为目前最具挑战、最具临床价值的医学AI赛事,本次大赛由“科创中国”联合体指导,腾讯公司联合首都医科大学附属北京同仁医院、首都师范大学、郑州大学第一附属医院、上海市胸科医院、上海全景医学影像共同发起。多位医学专家基于实际临床需求,出具了涵盖分类、分割和检测等多种人工智能技术应用的赛题。

经过临床实用性、算法创新性、算法性能等多个维度进行综合评分,最终厦门美图宜肤科技的“Tailless eye”战队、哈尔滨工业大学(深圳)的“BrainKiler”战队、华中科技大学的“HUST_CBIB”战队、联影集团/香港科技大学的“qqll”战队以及深圳大学的“三行代码”战队,分别获得了“眼底彩照的多疾病辅助诊断”“健康成人大脑年龄预测”“脑胶质瘤核磁共振图像分析”“放疗剂量分布辅助规划”和“肿瘤高代谢病灶得自动检测”赛道的冠军。

跨国跨学科跨行业 交叉创新挑战临床医学难题

自8月13日启动以来,这场关于医疗AI梦想的赛事吸引了不同学科、行业背景的高级科研人才的广泛参与。横跨欧美亚三大洲多家顶尖高校计算机、人工智能、生物医学等不同专业的学生,与来自医疗健康机构、科技企业,专注算法研究、软件工程等领域的资深从业人员同台竞技,共计400多支队伍近700人向AI临床医学难题发起挑战。

多位比赛专家评委均表示,虽然很多参赛选手并非医学专业,但大赛打破了年龄、时间、空间、行业、学科的界限,以赛促学的形式,为众多贴近临床实用的医学问题带来了很多创新性的突破思路,打开了AI与医学融合的更多可能性。

在“眼底彩照的多疾病辅助诊断”赛道上,由今年刚毕业的研究生带领的“Tailless eye”战队,以及平均年龄在“98后”的“1bit”战队,均考虑了数据中的标注噪声问题,并在算法模型中给出了不同的解决思路。

首都医科大学附属北京同仁医院眼科中心王宁利教授指出,“标注错误是所有国际人工智能图像处理存在的问题,获胜队伍非常有特色,能找到诊断错误的标注错误的图像,并且把这个标注错误的问题带入到解决方案中去,是一个创新性的突破。” 首都师范大学心理学院梁佩鹏教授指出,“健康成人大脑年龄预测”赛道的前三四支决赛队伍来自国内多家顶级实验室,针对明确的临床场景设计了十分精巧的算法,水平都很高,难分上下。不同研究团队之间的切磋,有利于促进医学影像与人工智能的融合创新,将极大地助力脑龄预测及相关领域的发展。

首都医科大学宣武医院放射科首席专家李坤成教授也表示,希望有更多医工交叉的人才加入这个研究领域,同时加深来自不同学科的科研人员对临床医学问题的了解,形成医学科研的良性循环。

在“脑胶质瘤核磁共振图像分析”赛道的获胜队伍中,则出现了跨洲跨专业作战的“时差战队”。王辉是同济大学车辆工程专业自动驾驶方向的研究生,这次是与身在德国慕尼黑工业大学的同学鲁东岳一起组队参赛。“这次比赛是全线上模式,让我们即使相隔千里,有着6个小时的时差,也能实现全程进行在线算法讨论和研究。”

“一人战队”登顶 腾讯云TI平台成就AI科研低门槛

以往做医学AI科研,算法专家和医学专家各自有不同的“语言”,也缺乏对接平台,很多有意愿的科研人员无法便捷地参与课题研究,存在效率问题。

“觅影”医学人工智能算法大赛携手腾讯云TI平台中的TI-ONE平台、云对象存储COS,为选手提供百万级算力存储资源助力选手更好地完成比赛。参赛者只要电脑能连接网络,就能通过开放平台获取大赛提供医疗数据集,并通过“搭积木”式的算法设计与验证,医疗AI研究的门槛被大幅降低。本次比赛的最终赛果中,超过25%的获胜队伍仅为“一人战队”

“脑胶质瘤核磁共振图像分析”赛道的冠军,由来自华中科技大学的博士生庄宇舟的“一人战队”获得。本科时就读工科方向(数字媒体技术)的他,在博士生阶段转入了人工智能和医学图像分析交叉方向。“人工智能在医疗上的应用和其他领域不一样,数据孤岛与隐私安全等问题较为突出。”

庄宇舟表示,算法不能脱离实际,本次大赛提供了多模态、多中心的医疗数据集,通过开放平台可以便捷地将临床实际数据与临床应用、AI任务相结合,让算法的研究具有真正的意义。

来自深圳大学生物医学工程学院的陶星和田木,则包揽了“肿瘤高代谢病灶的自动检测”赛道的冠亚军。两人同样以“一人战队”的形式参与了比赛,不同的是陶星是在读的博士生,而田木是同校的老师。

“我觉得一个人就够了。” 冠军陶星表示,本次比赛所有工作都是由其一个人完成的。而本硕博期间是数学专业,目前从事医学影像研究的田木,是第一次参加医学AI的赛事,赛题里的临床场景和医学问题对他而言都是全新的挑战。

对于学生拿到了赛道的冠军,田木感到由衷地高兴,并表示AI与医学的结合,目前对很多人而言都还是相对陌生的领域,很多时候大家都处于同一起跑线上面,现学现用,谁都有机会获得好成绩,算法模型的研究、行业的发展需要大家共同来探索。

从发起临床AI赛题的医学专家,到产业中的行业科研人员,到跨越计算机、信息工程、生物医学等各个学科的年轻学子,除了在临床医学问题上的AI探索之外,本次比赛同时见证的,还有年轻一代传承先辈榜样精神,接力行业梦想的信仰力量。

腾讯云TI平台不仅能满足构建AI平台,响应组织内各种AI功能的需求,同时还可以结合行业特点快速构建应用解决方案。以医疗场景为例,平台提供的高效“搭积木”式训练能力,几分钟即可构建用户自己的AI算法,此外,近百种算法组件可支持全场景的医疗AI训练诉求,组合各种数据源、组件、算法、模型、评估模块及部署模块,所见即所得,助力医学AI研发事半功倍、增速提效。

作为医疗影像国家新一代人工智能开放创新平台建设的全新实践,“觅影”医学人工智能大赛将继续发挥“连接器”的作用,打造“医疗+AI”产学研更广阔的生态合作空间,为医学与AI的跨界研究与协同合作提供持续助力,搭建起更通畅的人才交流与创新平台。 

这篇关于“一人战队”登顶,腾讯云TI平台成就AI科研低门槛的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/568829

相关文章

在Android平台上实现消息推送功能

《在Android平台上实现消息推送功能》随着移动互联网应用的飞速发展,消息推送已成为移动应用中不可或缺的功能,在Android平台上,实现消息推送涉及到服务端的消息发送、客户端的消息接收、通知渠道(... 目录一、项目概述二、相关知识介绍2.1 消息推送的基本原理2.2 Firebase Cloud Me

基于Flask框架添加多个AI模型的API并进行交互

《基于Flask框架添加多个AI模型的API并进行交互》:本文主要介绍如何基于Flask框架开发AI模型API管理系统,允许用户添加、删除不同AI模型的API密钥,感兴趣的可以了解下... 目录1. 概述2. 后端代码说明2.1 依赖库导入2.2 应用初始化2.3 API 存储字典2.4 路由函数2.5 应

Spring AI ectorStore的使用流程

《SpringAIectorStore的使用流程》SpringAI中的VectorStore是一种用于存储和检索高维向量数据的数据库或存储解决方案,它在AI应用中发挥着至关重要的作用,本文给大家介... 目录一、VectorStore的基本概念二、VectorStore的核心接口三、VectorStore的

Spring AI集成DeepSeek三步搞定Java智能应用的详细过程

《SpringAI集成DeepSeek三步搞定Java智能应用的详细过程》本文介绍了如何使用SpringAI集成DeepSeek,一个国内顶尖的多模态大模型,SpringAI提供了一套统一的接口,简... 目录DeepSeek 介绍Spring AI 是什么?Spring AI 的主要功能包括1、环境准备2

Spring AI集成DeepSeek实现流式输出的操作方法

《SpringAI集成DeepSeek实现流式输出的操作方法》本文介绍了如何在SpringBoot中使用Sse(Server-SentEvents)技术实现流式输出,后端使用SpringMVC中的S... 目录一、后端代码二、前端代码三、运行项目小天有话说题外话参考资料前面一篇文章我们实现了《Spring

Spring AI与DeepSeek实战一之快速打造智能对话应用

《SpringAI与DeepSeek实战一之快速打造智能对话应用》本文详细介绍了如何通过SpringAI框架集成DeepSeek大模型,实现普通对话和流式对话功能,步骤包括申请API-KEY、项目搭... 目录一、概述二、申请DeepSeek的API-KEY三、项目搭建3.1. 开发环境要求3.2. mav

C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)

《C#集成DeepSeek模型实现AI私有化的流程步骤(本地部署与API调用教程)》本文主要介绍了C#集成DeepSeek模型实现AI私有化的方法,包括搭建基础环境,如安装Ollama和下载DeepS... 目录前言搭建基础环境1、安装 Ollama2、下载 DeepSeek R1 模型客户端 ChatBo

Spring AI集成DeepSeek的详细步骤

《SpringAI集成DeepSeek的详细步骤》DeepSeek作为一款卓越的国产AI模型,越来越多的公司考虑在自己的应用中集成,对于Java应用来说,我们可以借助SpringAI集成DeepSe... 目录DeepSeek 介绍Spring AI 是什么?1、环境准备2、构建项目2.1、pom依赖2.2

Deepseek R1模型本地化部署+API接口调用详细教程(释放AI生产力)

《DeepseekR1模型本地化部署+API接口调用详细教程(释放AI生产力)》本文介绍了本地部署DeepSeekR1模型和通过API调用将其集成到VSCode中的过程,作者详细步骤展示了如何下载和... 目录前言一、deepseek R1模型与chatGPT o1系列模型对比二、本地部署步骤1.安装oll

Spring AI Alibaba接入大模型时的依赖问题小结

《SpringAIAlibaba接入大模型时的依赖问题小结》文章介绍了如何在pom.xml文件中配置SpringAIAlibaba依赖,并提供了一个示例pom.xml文件,同时,建议将Maven仓... 目录(一)pom.XML文件:(二)application.yml配置文件(一)pom.xml文件:首