HMS-有害脑活动分类
对危重病患的癫痫 和其他有害脑活动进行分类
竞赛名称:
HMS - Harmful Brain Activity Classification
HMS-有害脑活动分类
竞赛种类:数据挖掘、生物医学
竞赛地址:
https://www.kaggle.com/competitions/hms-harmful-brain-activity-classification/overview
EDU&AI
竞赛目标
该竞赛的目标是检测和分类癫痫和其他类型的有害脑活动。您将开发一个模型,该模型经过训练,能够识别从危重病房患者记录的脑电图(EEG)信号中提取的信息。
您的工作可能有助于迅速提高脑电图图谱分类的准确性,从而为神经危重护理、癫痫和药物开发带来深刻的益处。在这一领域的进展可能使医生和脑研究人员能够更快速、更准确地检测癫痫或其他脑损伤,从而提供更有效的治疗。
EDU&AI
竞赛背景
从听诊器到舌压板,医生依赖许多工具来治疗患者。医生使用脑电图仪与危重病患的患者合作,以检测可能导致脑损伤的癫痫和其他类型的脑活动。
目前,脑电图监测完全依赖专业神经学家的手动分析。尽管无法估量其价值,但这种劳动密集型的过程是一个主要瓶颈。它不仅可能耗时,而且脑电图记录的手动审查也昂贵,容易产生因疲劳导致的错误,并且在不同评审者之间存在可靠性问题,即使这些评审者是专家。
此次竞赛的六个感兴趣的模式包括:
癫痫(SZ)、广泛的周期性放电(GPD)、单侧性周期性放电(LPD)、单侧性节律性δ活动(LRDA)、广泛的节律性δ活动(GRDA)或“其他”。
在此次比赛中使用的脑电图片段已经由一组专家进行了注释或分类。在某些情况下,专家对正确标签完全一致。在其他情况下,专家意见不一致。我们将专家高度一致的部分称为“理想化”模式。当大约一半的专家给出“其他”标签,而另一半给出剩下的五个标签之一时,我们称之为“原型模式”。在专家在五个命名模式中的两个之间大致分歧的情况下,我们称之为“边缘案例”。
不同专家一致性水平的脑电图模式示例:
请参阅数据选项卡,以获取每个子图的全屏PDF页面。
此图显示了具有不同一致性水平的脑电图模式的选定示例。行按照以下结构:第1行是癫痫,第2行是LPD,第3行是GPD,第4行是LRDA,第5行是GRDA。按列排列,模式的理想化形式的示例在第1列(A)中。这些是具有一致专家意见的模式。第2列(B)是原型或部分形成的模式。大约一半的评分者将其标记为IIIC模式之一,另一半标记为“其他”。第3列和第4列(C、D)是边缘案例(大约一半的评分者将其标记为IIIC模式,另一半将其标记为另一种IIIC模式)。
对于B-1,10秒原始脑电图中有一些混有尖锐放电的节律性δ活动,频谱图显示这个片段可能属于癫痫的尾部,因此SZ和“其他”之间的分歧是有道理的。B-2显示大约1Hz处的额叶定位的尖锐瞬态,但它们极性相反,表明它们可能来自非脑源,因此LPD和“其他”(伪迹)之间的分歧是有道理的。B-3具有弥漫的半节律性δ背景,伴有形态不佳的低幅度广泛周期性放电,形态变化不定,属于原型GPD类型模式。B-4显示不稳定形态的右半脑半节律性δ活动,属于原型LRDA模式。B-5显示不稳定形态的几波节律性δ活动,维持时间较短,属于原型GRDA。C-1显示2Hz LPDs,随着幅度增加,逐渐演变为下层的节律性活动,是LPDs和癫痫初期之间的模式,是边缘案例。D-1显示丰富的GPDs位于抑制的背景之上,频率为1-2Hz。10秒内的平均频率接近1.5Hz,暗示可能是癫痫,另一个边缘案例。C-2在LPDs和GPDs之间划分。周期性放电的幅度在右侧较高,但在左侧也有一些反射。D-2在LPDs和LRDA之间泾渭分明。它既有节奏感,又有周期性放电。在颞部导联中,它看起来更有节奏感,而在矢状导联中,它看起来更有周期性。C-3在GPDs和LRDA之间划分。δ波的上升支形态尖锐,这些周期性放电在两侧都能看到。节奏性的δ波在左侧的幅度似乎较高,但左侧也有一些活动的反射。D-3在GPDs和GRDA之间划分。δ波的上升支形态尖锐,上升支和下降支之间的坡度不对称,是一个边缘案例。C-4在LRDA和癫痫之间划分。左侧显示2Hz LRDA,频谱图显示这个片段可能属于癫痫的尾部,是一个边缘案例。D-4在LRDA和GRDA之间划分。δ波的上升支形态尖锐,左侧的幅度较大,但右侧也有一些活动的反射。C-5在GRDA和癫痫之间划分。它显示潜在的演变中的节律性δ活动,伴有形态不佳的嵌入式癫痫样放电,是GRDA和癫痫之间的模式,是一个边缘案例。D-5在GRDA和LPDs之间划分。有广泛的节律性δ活动,右侧的活动略微较大,含有形态不佳的癫痫样放电,是一个边缘案例。注:脑电图电极的记录区域简写为LL = 左侧;RL = 右侧;LP = 左矢状;RP = 右矢状。
EDU&AI
评估标准
提交将根据预测概率与观察目标之间的Kullback-Liebler散度进行评估。
提交文件
对于测试集中的每个eeg_id,您必须为每个投票列预测一个概率。
文件应包含标题,并具有以下格式:
EDU&AI
数据集描述
本次竞赛的目标是在脑电图(EEG)数据中检测和分类癫痫和其他类型的有害脑活动。即使是专家也发现这是一项具有挑战性的任务,他们在正确标记方面经常存在分歧。
这是一场代码竞赛。只有来自测试集的少数示例可供下载。当评分您的提交时,测试文件夹将被替换为包含完整测试集的版本。
EDU&AI
时间线
2024年1月8日 - 开始日期
2024年4月1日 - 参赛截止日期
2024年4月1日 - 团队合并截止日期
2024年4月8日 - 最终提交截止日期
EDU&AI
奖金
第一名 - 20,000美元
第二名 - 12,000美元
第三名 - 7,000美元
第四名 - 6,000美元
第五名 - 5,000美元