赛题名称:RSNA 2024 Lumbar Spine Degenerative Classification

中文:腰椎退行性病变分类

kaggle官网赛题链接:https://www.kaggle.com/competitions/rsna-2024-lumbar-spine-degenerative-classification/overview

文章安排:

①、翻译&解释比赛赛题

②、介绍赛题背景

③、讨论可能的方法

赛题翻译

概述

The goal of this competition is to create models that can be used to aid in the detection and classification of degenerative spine conditions using lumbar spine MR images. Competitors will develop models that simulate a radiologist's performance in diagnosing spine conditions.

这次比赛的目标是创建可以帮助检测和分类退行性脊柱疾病的模型,使用的是腰椎的磁共振图像。参赛者将开发模拟放射科医生在诊断脊柱疾病时表现的模型。

描述

Low back pain is the leading cause of disability worldwide, according to the World Health Organization, affecting 619 million people in 2020. Most people experience low back pain at some point in their lives, with the frequency increasing with age. Pain and restricted mobility are often symptoms of spondylosis, a set of degenerative spine conditions including degeneration of intervertebral discs and subsequent narrowing of the spinal canal (spinal stenosis), subarticular recesses, or neural foramen with associated compression or irritations of the nerves in the low back.

根据世界卫生组织的统计,腰背痛是全球致残的主要原因,2020年影响了6.19亿人。大多数人一生中的某个时刻会经历腰背痛,且随着年龄的增长,发生频率会增加。疼痛和活动受限通常是脊柱病的症状,这是一组退行性脊柱疾病,包括椎间盘退化和随后的脊柱管(脊柱狭窄)、副关节窝或神经孔的狭窄,伴有神经压迫或刺激的情况。

Magnetic resonance imaging (MRI) provides a detailed view of the lumbar spine vertebra, discs and nerves, enabling radiologists to assess the presence and severity of these conditions. Proper diagnosis and grading of these conditions help guide treatment and potential surgery to help alleviate back pain and improve overall health and quality of life for patients.

磁共振成像(MRI)提供了腰椎椎体、椎间盘和神经的详细视图,使放射科医生能够评估这些病症的存在和严重程度。准确的诊断和分级有助于指导治疗和潜在的手术,以缓解背痛,并改善患者的整体健康和生活质量。

RSNA has teamed with the American Society of Neuroradiology (ASNR) to conduct this competition exploring whether artificial intelligence can be used to aid in the detection and classification of degenerative spine conditions using lumbar spine MR images.

RSNA与美国神经放射学学会(ASNR)合作开展了这一竞赛,探索人工智能是否可以帮助检测和分类退行性脊柱病症,使用的是腰椎MR图像。

The challenge will focus on the classification of five lumbar spine degenerative conditions: Left Neural Foraminal Narrowing, Right Neural Foraminal Narrowing, Left Subarticular Stenosis, Right Subarticular Stenosis, and Spinal Canal Stenosis. For each imaging study in the dataset, we’ve provided severity scores (Normal/Mild, Moderate, or Severe) for each of the five conditions across the intervertebral disc levels L1/L2, L2/L3, L3/L4, L4/L5, and L5/S1.

挑战将重点放在五种腰椎退行性疾病的分类上:左侧神经孔狭窄、右侧神经孔狭窄、左侧副关节狭窄、右侧副关节狭窄和脊柱管狭窄。对于数据集中每个影像研究,我们提供了五种病症的严重程度评分(正常/轻度、中度或重度),涵盖了椎间盘水平L1/L2、L2/L3、L3/L4、L4/L5和L5/S1。

To create the ground truth dataset, the RSNA challenge planning task force collected imaging data sourced from eight sites on five continents. This multi-institutional, expertly curated dataset promises to improve standardized classification of degenerative lumbar spine conditions and enable development of tools to automate accurate and rapid disease classification.

为了创建基础真相数据集,RSNA挑战规划工作组从五大洲的八个地点收集了影像数据。这一多机构、专家精心策划的数据集有望改善退行性腰椎疾病的标准化分类,并使自动化准确和快速的疾病分类工具的开发成为可能。

Challenge winners will be recognized at an event during the RSNA 2024 annual meeting. For more information on the challenge, contact RSNA Informatics staff at informatics@rsna.org.

挑战获胜者将在RSNA 2024年度会议期间的活动中获得表彰。有关挑战的更多信息,请联系RSNA信息学工作人员,电子邮件:informatics@rsna.org。

评价标准

Submissions are evaluated using the average of sample weighted log losses and an any_severe_spinal prediction generated by the metric. The metric notebook can be found here.

提交内容将使用样本加权对数损失的平均值和由度量生成的 any_severe_spinal 预测来进行评估。度量笔记本可以在这里找到。

The sample weights are as follows:

1 for normal/mild.

2 for moderate.

4 for severe.

For each row ID in the test set, you must predict a probability for each of the different severity levels.

The file should contain a header and have the following format:

样本权重如下:

1 代表正常/轻度。

2 代表中度。

4 代表重度。

对于测试集中的每个行 ID,您必须预测每个不同严重程度级别的概率。文件应包含一个标题,并具有以下格式:

row_id,normal_mild,moderate,severe
123456_left_neural_foraminal_narrowing_l1_l2,0.333,0.333,0.333
123456_left_neural_foraminal_narrowing_l2_l3,0.333,0.333,0.333
123456_left_neural_foraminal_narrowing_l3_l4,0.333,0.333,0.333
etc.

In rare cases the lowest vertebrae aren't visible in the imagery. You still need to make predictions (nulls will cause errors), but those rows will not be scored.

在极少数情况下,影像中可能看不到最低椎骨。您仍然需要进行预测(空值会导致错误),但这些行将不会被评分。

在本次比赛中,任何严重标量已设定为 1.0。

医学术语介绍

病变分类

腰椎退行病变可以分为三类:椎管狭窄、锥间孔狭窄、神经根管狭窄三类。其中椎间孔狭窄和神经根管狭窄有左右两侧的区分(即共有五类)。

  • spinal canal stenosis 椎管狭窄

    脊髓管(椎管)是由椎体骨、韧带和脊椎关节形成的管道,里面包含脊髓和神经根。椎管狭窄指的是整个脊髓管的空间变窄。

  • subarticular stenosis椎间孔狭窄

    椎间孔是位于相邻脊椎骨之间的开口,通过这个开口,神经根从脊髓出来。椎间孔狭窄是指这个开口的空间变窄。

  • neural foraminal narrowing 神经根管狭窄

    神经根管指的是椎间孔内的通道,允许神经根从脊髓出来并进入身体其他部位。神经根管狭窄是指这个特定通道的变窄。

图例

下面给出两个椎间盘病变的病例示意图(椎间盘:蓝色为纤维环,红色为髓核)

该图椎间盘病变压迫了椎间孔,可能导致椎间孔狭窄神经根管狭窄

该图压迫了椎管,导致椎管狭窄

解释

椎间孔狭窄和神经根管狭窄存在逻辑关系。

椎间孔狭窄指空间变窄,注意椎间孔的主要功能是提供神经根离开脊髓管的通道,但不是唯一功能。

神经根管狭窄具体强调神经的通路变窄。

简单来说,前者强调解剖空间,后者强调神经通路。

椎间孔狭窄是导致神经根管狭窄的重要直接原因之一。

除此之外,还可能因为椎间盘膨出、韧带肥厚、肌肉或软组织压迫等导致神经根管狭窄。

病变程度分级

神经根管狭窄病变程度分级

  • 等级0(正常):脂肪环绕在神经根周围

  • 等级1(轻度):在一个维度上(垂直或水平)无法看到神经周围的脂肪

    • 由黄韧带增厚/弯曲引起的前后径变窄

    • 由椎间盘和/或骨刺侵入或椎间盘高度丧失引起的上下径变窄

  • 等级2(中度):无法在圆周方向上看到神经周围的脂肪,但神经根未受到压迫

    由于退行性面关节肥大、黄韧带增厚/弯曲、椎间盘和/或骨刺侵入以及/或者椎间盘高度丧失引起的多方向侵入

  • 等级3(重度):无法看到神经周围的脂肪,且神经根受到压迫(形态改变)

椎管狭窄、椎间孔狭窄

central canal (椎管)

  • 轻度:蛛网膜下腔梗阻小于50%,无脊髓畸形迹象。
  • 中度:椎管管狭窄伴随脊髓畸形;脊髓变形,但脊髓内未见信号改变。
  • 重度:T2上脊髓受压区域附近信号强度增高

Foraminal (椎间孔)

  • 轻度:50%以下神经根周围脂肪闭塞。未见神经根形态学改变。
  • 中度:50%以上神经根周围脂肪闭塞。未见神经根形态学改变。
  • 重度:神经根塌陷以及神经根形态学改变。严重的神经周围脂肪闭塞。

参考资料

参考链接:

https://radiopaedia.org/articles/lumbar-foraminal-stenosis

参考文献:

Kushchayev SV, Glushko T, Jarraya M, Schuleri KH, Preul MC, Brooks ML, Teytelboym OM. ABCs of the degenerative spine. Insights Imaging. 2018 Apr;9(2):253-274. doi: 10.1007/s13244-017-0584-z. Epub 2018 Mar 22. PMID: 29569215; PMCID: PMC5893484.

下篇预告:

将讲述如何打开dcm文件,以及如何用python读取文件并将其转为网络可以识别的格式。

【1】Kaggle赛题解读:RSNA 2024 Lumbar Spine Degenerative Classification的更多相关文章

  1. kaggle赛题Digit Recognizer:利用TensorFlow搭建神经网络(附上K邻近算法模型预测)

    一.前言 kaggle上有传统的手写数字识别mnist的赛题,通过分类算法,将图片数据进行识别.mnist数据集里面,包含了42000张手写数字0到9的图片,每张图片为28*28=784的像素,所以整 ...

  2. 【天池大数据赛题解析】资金流入流出预测(附Top4答辩ppt)

    http://mp.weixin.qq.com/s?__biz=MzA3MDg0MjgxNQ==&mid=208451006&idx=1&sn=532e41cf020a0673 ...

  3. Hitcon 2016 Pwn赛题学习

    PS:这是我很久以前写的,大概是去年刚结束Hitcon2016时写的.写完之后就丢在硬盘里没管了,最近翻出来才想起来写过这个,索性发出来 0x0 前言 Hitcon个人感觉是高质量的比赛,相比国内的C ...

  4. CSDN 轻松周赛赛题:能否被8整除

    轻松周赛赛题:能否被8整除 题目详情 给定一个非负整数,问能否重排它的全部数字,使得重排后的数能被8整除. 输入格式: 多组数据,每组数据是一个非负整数.非负整数的位数不超过10000位. 输出格式 ...

  5. O准备如何苟进复赛圈?华为软挑开挂指南(附赛题预测)

    事先声明,这不是华为软挑的软广,我也不是海军. 这篇文章纯粹是心血来潮,原因是去年上传到github的参赛代码,前几天又有两个人star和fork了. 记得star热潮还是去年4月复赛刚结束的那几天, ...

  6. 天池新闻推荐比赛1:赛题理解+baseline

    天池新闻推荐比赛1:赛题理解+baseline 一.比赛信息 比赛链接: ​ https://tianchi.aliyun.com/competition/entrance/531842/inform ...

  7. Python小白的数学建模课-A1.国赛赛题类型分析

    分析赛题类型,才能有的放矢. 评论区留下邮箱地址,送你国奖论文分析 『Python小白的数学建模课 @ Youcans』 带你从数模小白成为国赛达人. 1. 数模竞赛国赛 A题类型分析 年份 题目 要 ...

  8. Python小白的数学建模课-A3.12 个新冠疫情数模竞赛赛题与点评

    新冠疫情深刻和全面地影响着社会和生活,已经成为数学建模竞赛的背景帝. 本文收集了与新冠疫情相关的的数学建模竞赛赛题,供大家参考,欢迎收藏关注. 『Python小白的数学建模课 @ Youcans』带你 ...

  9. MIPS Pwn赛题学习

    MIPS Pwn writeup Mplogin 静态分析   mips pwn入门题. mips pwn查找gadget使用IDA mipsrop这个插件,兼容IDA 6.x和IDA 7.x,在ID ...

  10. 腾讯2021LIGHT公益创新挑战赛赛题分析

    前些日子老师让我们报名了LIGHT挑战赛,之后又简单的进行了分析,今天我总结复盘一下,一是为了捋一下自己选题的思路,二是以后遇见类似的项目,更容易找到方向或者触类旁通. 赛题介绍 赛题一:安全教育/保 ...

随机推荐

  1. 欧姆龙PLC数据 转 IEC61850项目案例

    1         案例说明 1.   设置网关采集欧姆龙PLC数据 2.   把采集的数据转成IEC61850协议转发给其他系统. 2        VFBOX网关工作原理 VFBOX网关是协议转换 ...

  2. Debian安装Redis服务

    Debian安装Redis服务 安装命令 apt-get update apt-get install redis-server 等待安装完成 配置密码 编辑Redis的配置文件/etc/redis/ ...

  3. Ubuntu 18.04 安装OneDrive自动同步

    Ubuntu 18.04 安装OneDrive自动同步 Windows10系统已经自带了OneDrive的自动同步功能,对于多设备用户而言已经成为了一个非常方便传输保存文件的途径,在Ubuntu下也有 ...

  4. Coap 协议学习:具体协议介绍具体

    协议框架 CoAP默认运行在UDP上,但它也支持运行在SMS,TCP等数据传输层上.本文主要是基于UDP上的CoAP协议介绍 1.消息模型 Messages COAP协议通信是通过在UDP上传输消息类 ...

  5. 国产化率100%!全志科技A40i工业核心板规格书资料分享

    1.核心板简介 创龙科技SOM-TLA40i是一款基于全志科技A40i处理器设计的4核ARM Cortex-A7国产工业核心板,每核主频高达1.2GHz. 核心板通过邮票孔连接方式引出CSI.TVIN ...

  6. joig2022_e 题解

    设计 \(f_i\) 表示以第 \(i\) 个数结尾的选择的最大值. 有 \(f_i = f_j + a_i\)(\(type_i \not = type_j\)). 发现可以选择的种类其实构成两段连 ...

  7. 韦东山freeRTOS系列教程之【第六章】信号量(semaphore)

    目录 系列教程总目录 概述 6.1 信号量的特性 6.1.1 信号量的常规操作 6.1.2 信号量跟队列的对比 6.1.3 两种信号量的对比 6.2 信号量函数 6.2.1 创建 6.2.2 删除 6 ...

  8. 用python处理html代码的转义与还原-转

    本篇博客来源: 用python处理html代码的转义与还原 'tag>aaa</tag> # 转义还原 str_out = html.unescape(str_out) print( ...

  9. Linux开发人员常用命令

    常用查询命令 # 查看ip地址 ip addr show # 查看当前目录路径 pwd # 当前目录下模糊查找文件 find / -name "*.pdf" 查看运行中进程 ps ...

  10. Pybind11和CMake构建python扩展模块环境搭建

    使用pybind11的CMake模板来创建拓展环境搭建 从Github上下载cmake_example的模板,切换分支,并升级pybind11子模块到最新版本 拉取pybind11使用cmake构建工 ...