企业时报网 > 要闻

第六届上海交大-卫宁健康智慧医疗挑战赛持续报名中!

2023-08-21 11:32 来源:证券之星   阅读量:19946   

打印 放大 缩小

赛事背景

上海交大-卫宁健康智慧医疗挑战赛是由上海市计算机学会指导、上海交通大学计算机科学与工程系主办、卫宁健康与上海交大-卫宁健康联合实验室联合承办、上海市医学会互联网医疗专科分会、浙江大学医学院附属邵逸夫医院与浙江省认知医疗工程技术研究中心、国家健康医疗大数据研究院联合协办的大型技术场景竞赛活动。

ChatGPT的横空出世,迅速引起了社会的广泛关注与讨论,它打破了人机交互的复杂壁垒,让人工智能技术的发展生出了新的探索方向,它当之无愧成为了“AI时代的星火”,将对各个领域的AI发展路径产生深远的影响。

上海交大-卫宁健康智慧医疗挑战赛是一年一度的医疗+AI赛事,比赛旨在通过打造全国高水平AI技术应用科技创新平台,聚合业内顶级专家及资源,共同开拓AI技术在医疗健康领域落地的更多可能性。第六届上海交大-卫宁健康智慧医疗挑战赛以「追光· Vision」为主题,亦有星星火,燎原势竟成,我们希望借助ChatGPT的“星火”之光,去追赶,去超越,一起探讨和打造更多与通用人工智能无限接近的技术,以AI视角探索医疗的高质量发展路径,让星火的光照亮远方前行的路。

赛事安排

6月1日

6月1日-8月31日

9月30日

选题摘要截止

10月31日

作品提交截止

11月1日-11月13日

作品初评

11月15日

决赛入围通知

11月25日

现场决赛

赛道设置

本届赛道分为“高校组”和“综合组”。

仅面向院校学生。

不限,面向科研院所、初创型企业、医院等所有社会型单位。

*同一作品不可重复参加多条赛道;

*往届参赛团队不可携同一作品重复参加;

* 往届综合组/专业组选手不得参加本届高校组赛道;

*每组参赛团队至少有一位指导老师或团队负责人,小组成员不超过5位。

奖金设置

>>>>

奖金池高达20万+

本届赛事设置了丰富的奖励,获奖者除了可以瓜分奖金池,更有机会获得组委会提供的入职绿色通道,进入卫宁健康工作、实习!并且只要在规定期限内提交完整且符合要求的参赛作品,均可获得精美纪念品!

赛题说明

一、高校组

1. 知识图谱在医疗健康领域的应用

2. 医疗健康领域多源数据融合与应用

3. 虚拟/增强现实在智慧医疗中的应用

4. 面向智慧医疗的群智计算和联邦学习技术

5. 医疗健康领域的无接触诊疗技术

6. 大数据分析在医疗健康领域的应用

7. 医疗健康领域深度神经网络模型训练以及数据集管理

8. 面向医院信息系统智能化的运行时支撑技术

9. 基于物联网设备的智能健康管理技术

10. 基于边缘计算的医疗视频实时分析技术

11. 区块链技术在医疗健康领域的应用

12. 图神经网络在药物研发中的应用

13. 隐私保护的智慧医疗关键技术

14. 基于可解释性人工智能模型的诊疗技术

15. 基于因果推断的健康因素分析与药物治疗方案分析

16. 大数据技术下健康风险预测

17. 医疗AI模型参数窃取攻击的防御技术研究

18. 基于CT医学图像的3D病灶重建研究

19. 医疗数据存储及压缩技术研究

20. 基于NLP的智能问诊交互研究

21. 基于生成式人工智能的辅助诊疗研究

22. GPT技术在医疗领域的应用

23. GPT技术在自我健康管理中的应用研究

24. 基于GPT的智能健康咨询助手

25. 大模型针对区域性、个性化医疗健康的应用研究

26. 医疗数据的共享交换方案研究

27. 基于医疗数据共享的AI 大模型训练方案研究

28. 高效医疗多模态模型执行技术

29. 多模脑电分析与诊断方案研究

30. 小目标检测在医疗图像检测领域的应用

二、综合组

1.专业方向

人工智能技术在临床危重症疾病预警中的应用

有效的临床危重症疾病患者监测提前预警,有助在事前对危重症患者的病情发展进行有效的风险预判,及时给予治疗,提升患者的存活率。

1种或多种典型危重症疾病,构建患者队列研究数据,利用AI技术进行危重症疾病预测模型设计与构建,发掘患者数据与病情变化隐藏的关联性,从而辅助医疗决策。对模型结果进行验证,并提供验证效果。

参赛者可自行针对医疗领域典型的应用场景,用公开数据集进行研究。

人工智能技术在康复护理与健康照护中的应用

医院的护士护理工作繁重,特别是在康复护理和健康照护中,基于AI的各类场景机器人可以有效辅助护士完成治疗、护理照护等日常工作,减少工作量并提升护理照护质量。

针对典型的1种或多种护理照护场景,利用AI技术构建智能机器人,如结合物联网技术实现辅助输液、体征检测等智能床旁机器人;辅助瘫痪患者的饮食机器人、移动辅助机器人;辅助自动检测预警患者生命体征的监管机器人、失能患者照料机器人,康复恢复训练机器人等,从而辅助康复护理和健康照护。对机器人模型进行验证,并提供验证效果。

参赛者可自行选择医疗领域典型的应用场景,用公开数据集进行研究。

人工智能技术在慢病自我管理中的应用

慢病的康复过程是一极其漫长的过程,利用人工智能可以帮助患者在饮食生活、运动管理、服药依从性、并发症监测等关键环节的方案制定与落实,提高患者的行为依从性,加快康复进程。

针对任意一种典型慢性病,构建知识库和人工智能算法模型,实现患者健康相关数据自动更新、解释和反馈,使患者能够在日常健康管理中获得足够信息并接受辅助工具的警报、提议以做出合理的自我管理决策。

参赛者可自行针对具体医疗领域应用场景,用公开数据集进行研究。

基于医学影像多模态算法研究和应用

在临床诊断的过程中,医生通常会使用多种模态的数据,例如图像,报告,在过程中也会采用交互式的方式。对于多模态的医学影像问答或者内容生成,希望在这一领域进行进一步的研究,挖掘适合多模态的人工智能模型。

针对特定的医疗图像应用场景,实现基于多模态数据的人工智能模型和相关应用。

参赛者可自行针对医学领域典型的图像处理应用场景,应用公开数据集开展研究

面向医学影像快速检索的高通量视频分析技术

医学影像检索目前主要依靠人工方法标注文字标签,检索时根据标签来查找匹配的影像。如果标签中未涉及查找的信息,那么即使影像中存在相关内容,也无法被检索到。近年来,高通量视频分析技术快速发展,为按需查询大量医学影像中未被准确标注的内容提供了可能性。

实现一个检索系统,其数据为多个视频文件,其输入为一个(或多个)图像识别模型,其输出为包含被识别图像信息的视频的文件名,以及该图像在该视频中的时间位置。在相同硬件条件下的速度越快越好。

参赛者可自行针对医学领域典型的图像处理应用场景,应用公开数据集开展研究。

大语言模型的医疗场景应用

随着ChatGPT的问世和各种开源大语言模型的公布,在医疗领域人工智能大语言模型提供了很多潜在应用的可能性。

以现有的大语言模型为基础,设计不同的医疗信息化应用场景。

参赛者可自行针对具体医疗领域应用场景,用公开数据集进行研究。

基于医学百科知识的临床术语自动匹配技术

传统技术通过计算短语的编辑距离、词向量等方法来完成临床术语的匹配对齐问题,但这些方法没有考虑医学用语的背景知识,容易造成匹配错误。字面相似的词可能代表不同意思(“白血病”和“败血病”、“血凝酶”和“凝血酶”等);字面不相似的词汇可能意思相同(“渐冻症”和“肌肉萎缩性侧索硬化症”、“川崎病”和“皮肤黏膜淋巴结综合征”)。

本题目需要参赛者借助外部公开医学百科知识数据,通过知识图谱和知识嵌入等相关技术,实现医学术语的匹配算法,通过医学百科知识的嵌入解决术语匹配中的内涵相似性识别问题。

参赛者可自行收集维基百科、百度百科、寻医问药等相关知识数据。

基于自然语言处理的病历文本零误检自动校正技术

电子病历文本是医生对病人病情的文字性描述,一般是医生通过手工输入电子病历系统的。难免存在错字、漏字、错标点等问题。这些错误对后期的解读和数据分析埋下隐患。

参赛者需要借助所提供的真实场景的临床病历文本数据,通过算法从中梳理出符合训练要求的优质训练数据,以这些数据为基础借助人工智能和自然语言处理相关算法,设计病历文本的自动校正方法。本场景希望保证一定检出率的同时控制误检率在极小范围。

组委会提供不少于10万字符的无标注语料可供参赛者清洗训练。

基于人工智能的腔镜虚拟现实

三维手术导航给医生术前手术评估、手术方案设计提供了一个非接触式、高度还原的评价方法,由于采集的设备,技术条件的限制,目前术前三维成像仅限于特定方向和特定领域,针对医学影像、内镜视频等不同的三维输入数据,提供实时、高效、便捷的三维成像、虚拟现实技术,将大大降低临床医生手术的潜在风险,提升效率。

将视频或医学图像数据,通过基于深度学习的方法,构建三维立体模型。

参赛者可自行针对医疗领域典型的图像处理应用场景,应用公开数据集开展研究。

面向医疗领域图像处理的深度学习模型加速技术

医疗领域的图像处理近几年正在加速推广应用中,针对诸如各类癌症筛查等应用越来越成为医生的重要辅助判断工具。为提高深度学习的准确率,研究者通常采用较复杂的深度网络,但这影响了AI服务的吞吐率和响应时间,为此需要对模型进行加速。

优化压缩模型,减小计算时间,提升服务吞吐率,同时在相同的硬件情况下支撑更多的AI服务进程。

参赛者可自行针对医疗领域典型的图像处理应用场景,应用公开数据集开展研究。

疾病诊疗信息的特征提取技术和海量信息的高效匹配搜索技术

通过疾病及其诊疗信息的搜索,可以获取以往相似病例的处理方法,甚至通过病例的多次诊疗,了解之前处理方法的效果,这些可以作为医生针对当前病例的辅助诊疗信息。为此,需要准确的疾病诊疗信息特征提取与高效的搜索技术。

针对疾病及其诊疗信息进行特征提取,并根据特征实现高效准确的搜索算法。

参赛者可以使用互联网公开数据集。

基于区块链的医疗信息保护与共享技术或应用

医疗健康数据属于隐私数据,但另一方面,这些数据对科研非常重要,应该在合理范围内共享以研究应用;同时,在具体场景中,如保险业务中需要调取病例等相关信息。

如何利用区块链等技术,实现数据的隐私保护,同时以技术手段实现信息共享与数据溯源,是一个重要的研究方向。本题目可聚焦于上述方向的几个研究点,如医疗区块链的吞吐率问题,数据共享机制,数据溯源机制等;或者为具体应用场景提供解决方案。

参赛者可以使用互联网公开数据集。

5G技术在医疗领域的应用与优化

本题目探讨5G在医疗领域的应用与优化,如医疗领域设备远程高速互联、急救车等场景下的高速移动互联等。研究内容包括但不限于,适用于医疗与5G的数据/图像压缩、加密传输技术,保证QoS的自适应数据传输技术,也可以研究5G应用场景以及解决方案。

为5G在智慧医疗领域的应用提供支撑。

参赛者可以使用互联网公开数据集。

医疗算法国产化硬件部署与优化技术

随着软硬件国产化浪潮的兴起,在医疗这个关系人民生命健康安全的领域实现国产化显得尤为重要。当前软件算法的国产化已经取得了一些成效。但是当前医疗领域仍然大量依赖于非国产硬件。如何在国产硬件上有效部署医疗领域算法是一个亟待解决的问题。

针对国产化硬件,设计部署方法,并优化部署应用的性能。

参赛者可以使用互联网公开数据集,自由选择合适的医疗算法和国产化硬件。

医疗多模态算法部署与优化技术

随着医疗信息化技术的提高,医疗行业产生了各种类型的医学大数据。多模态深度神经网络能够充分分析和融合这些医学大数据,提升医疗诊断的准确度,因此多模态神经网络健康诊断技术受到了广泛的关注。但是,多模态模型往往具有更大的计算量和硬件需求,如何在医院场景高效部署多模态医疗算法,尤其是如何在一些智能医疗嵌入式设备上进行部署尤为挑战。

针对医疗多模态算法,设计系统架构,实现高效的部署工具。

参赛者可以使用互联网公开数据集,自主选择合适的医疗多模态算法和硬件进行部署。

基于多模态神经网络的健康管理技术

近年来,除了诊断疾病,AI技术还被广泛应用于日常生活中的健康管理。如何采集并分析用户日常生活中的多种医疗健康数据,以给出相应的健康管理建议变得越来越重要。

针对多种医疗数据,设计多模态深度神经网络,指导健康管理。

参赛者可以使用互联网公开数据集。

人工智能技术在报告解读中的应用

日常生活中,每一次就诊都会产生检验、检查报告,每一次体检会产生体检报告,这些报告通常只有单纯的指标高低/医学描述,非医疗专业人士往往无法理解其医学意义,需要重返医院或寻求专业人士帮助,不但耗时且容易引起情绪不安。

对医学报告进行智能化解读,提升报告在普通人群中的可读性。

参赛者可以使用互联网公开数据集。

基于大语言模型的临床笔记整理

医疗实践和医疗教学中,每一次都会记录大量文字材料,帮助医生或医学生整理有序的临床笔记,可减少其时间成本,将更多的时间投入到工作中。

对医疗文字素材进行智能化整理,提升医生或医学生工作效率。

参赛者可以使用互联网公开数据集。

互联网医疗平台的用户体验优化

互联网医疗平台是一种新型的医疗服务形态,它可以为用户提供更加便捷和高效的医疗服务。然而,目前互联网医疗平台的用户体验仍然存在一些问题,如界面不友好、操作不便等。本题目旨在探究如何优化互联网医疗平台的用户体验,提高用户满意度和使用体验。

研究和探索互联网医疗平台的用户体验优化方案,提供可行的技术和设计建议,为互联网医疗平台的发展提供支持。

参赛者可以使用互联网公开数据集。

将Segment Anything应用于医学影像领域

最新的Segment Anything (SAM)模型的出现,领域内一度传言 “CV不复存在”。由于自然图像和医学图像的差异,直接的迁移效果已被证实且注定不尽人意。目前已有些许研究将SAM应用至医学领域,但仍然有很长的一段路要走。

探究在医学领域如何利用目前的SAM模型,从SAM的设计中我们能学到什么,以及在医学方向需要哪些更细致的优化?可以用小而精的实验来证明你的方案。

参赛者可使用公开的医学影像数据集等

基于大语言模型的智能化药物推荐

药品是医疗服务的重要组成部分,用药效果的好坏可以直接影响其健康和生活质量。但是,由于患者个体差异、复杂的病情和药物副作用等因素,药物的选择常常是一个复杂而繁琐的过程,需要医生根据患者的具体情况进行综合考虑和判断,此过程不仅耗时,而且容易出现错误。

根据患者的病情、身体状况、用药史等多个指标,实现快速、准确地药物推荐。有望大大缩短患者用药的时间,降低用药错误率,提高医疗服务质量,实现个体化医疗服务的目标。

参赛者可以使用互联网公开数据集。

基于大语言模型的智能化疾病风险评估

由于生活方式的不健康和环境污染等原因,患病的风险越来越高,给身体健康带来了很大的威胁。预测患病风险,及早发现疾病,有助于做出相应的医疗干预和管理,提高疾病预防和治疗效果。

通过分析患者的生命体征、病情、家族病史等多个因素,预测其未来患病的概率和风险,为患者提供更为精准的疾病风险预测和预防建议,从而达到将疾病控制在早期、有效控制。

参赛者可以使用互联网公开数据集。

2.通用方向

人工智能技术在临床、公共卫生、慢性病、康复等医疗场景中的应用;

数字化技术在新冠肺炎疫情防控中的应用;

基于区块链的医疗信息保护与共享技术或应用;

5G、自动化与机器人、硬件设备、数字孪生、虚拟现实、Web3等前沿技术在医疗领域的应用;

医疗健康各类场景下人文社科、经济管理等学科与大数据和人工智能上的交叉研究与应用。

*选题可不局限于上述方向,与智慧医疗、互联网医院等医疗健康相关的技术应用都是欢迎的。

作品要求

作品提交分为两个阶段:选题摘要提交与参赛作品提交。

01

选题摘要需提交:

1)选题目标,背景和意义

2)选题设计思路

3)拟采用核心技术

02

参赛作品要求:

1) 作品提交应包括以下三个文档:

演示PPT、源代码、说明文档

2) 使用统一模板

03

专家评选规则:

*2023年10月31日,参赛选手提交参赛作品截止后,由专家评审团根据申报材料进行“单队双评”的综合打分,打分项包含:研究背景与研究目标、研究创新点、研究成果、应用前景、市场推广。

2023年11月15日后公布入围总决赛的团队名单。

*2023年11月25日,举行决赛答辩,参赛团队通过现场PPT讲解,DEMO演示等方式展示自己的作品,由专家评审团现场综合评定。

决赛评审维度:商业价值、创新性、应用前景、功能完备度、市场策略、产品覆盖度等。

评审委员

郑重声明:此文内容为本网站转载企业宣传资讯,目的在于传播更多信息,与本站立场无关。仅供读者参考,并请自行核实相关内容。

关键词: --

责任编辑:宋元明清