Kaggle赛题解析：RSNA乳腺癌识别

比赛名称：RSNA Screening Mammography Breast Cancer Detection

在筛查性乳房 X 线照片中发现乳腺癌

比赛链接：https://www.kaggle.com/competitions/rsna-breast-cancer-detection

比赛类型：计算机视觉、医学健康

比赛背景

据世界卫生组织称，乳腺癌是全世界最常见的癌症。仅在 2020 年，就有 230 万新诊断乳腺癌和 685,000 例死亡。然而，自 1980 年代卫生当局对被认为有风险的年龄组实施定期乳房 X 光检查以来，高收入国家的乳腺癌死亡率下降了 40%。

早期发现和治疗对于减少癌症死亡率至关重要，您的机器学习技能可以帮助简化放射科医生用来评估筛查性乳房 X 线照片的过程。

比赛任务

本次比赛的目标是识别乳腺癌。您将使用从定期筛查中获得的筛查性乳房 X 线照片来训练您的模型。

您在本次比赛中的努力可能有助于将早期检测的好处扩大到更广泛的人群。更多的机会可以进一步降低全世界的乳腺癌死亡率。

评价指标

评价指标使用pF1，是F1指标的扩展： 

数据描述

本次比赛采用隐藏测试集。当您提交的笔记本被评分时，实际测试数据（包括完整长度的示例提交）将提供给您的笔记本。

• [train/test]_images/ 乳房 X 线照片，大约有 8,000 名患者。每个患者通常有 4 张图像，但并非总是如此。请注意，许多图像使用 jpeg 2000 格式，您可能需要特殊的库才能加载。
• sample_submission.csv 有效的示例提交。只有前几行可供下载。
• [train/test].csv 每个患者和图像的元数据。只有测试集的前几行可供下载。

比赛赛程

• 2022年12月28日：比赛开始时间。
• 2023年2月20日：组队截止日期。
• 2023年2月27日：最终提交截止日期。

赛题奖金

• 第一名：10,000 美元
• 第二名：8,000 美元
• 第三名：7,000 美元
• 第四名-第八名：5,000 美元

解题思路

赛题是一个常见的图像分类赛题，需要构建一个图像分类模型，模型需要接受图像和元信息作为输入数据。