MICCAI 2023 头影X光图像关键点检测挑战赛

关注公众号，发现CV技术之美

▌比赛背景 

由深圳大学、国立台湾科技大学、深圳大学总医院联合承办，经国际医学图像计算和计算机辅助干预 (Medical Image Computing and Computer Assisted Intervention, MICCAI) 协会主办的"基于头影侧位片X光图像的关键点检测挑战赛 (Cephalometric Landmark Detection in Lateral X-Ray Images 2023, CL-Detection2023)"于2023年5月正式开放注册啦！ 

赛事官网：https://cl-detection2023.grand-challenge.org/ 

基线模型：https://github.com/cwwang1979/CL_detection2023_reference_docker

▌赛事愿景 

头部测量分析是一项基础检查，常用于正畸和正颌领域。分析过程中的关键操作是从侧位头颅照片中标记颅面解剖关键点，为患者颅面状况的诊断信息和治疗计划的决定提供参考。然而，由于头骨的X射线成像质量和解剖类型的个体差异，在X光图像中准确且可靠地定位解剖关键点并不容易。即使是经验丰富的正畸医生，手动识别标志依然费时费力。因此，如何实现全自动和准确的关键点定位是一个亟需解决的问题。 

在过去的二十年里，头影关键点检测方法不断涌现，并且在深度学习时代不断取得巨大进步。然而，大多数现有研究仅包含单中心、单供应商和少量关键点，无法知道在这些数据集上获得的性能是否可以很好地泛化到更多样化的数据集上。因此，我们举办名为CL-Detection2023的挑战赛，旨在为头影关键点检测方法提供综合基准。 

▌数据集 

CL-Detection2023将公开来自3个中心、3个成像设备的600张X光图像。所有X光图像均为BMP格式，每一张X光图像均标注了38个骨骼及软组织结构的关键点。不同中心和成像设备上的图像在灰度分布、头颅大小等均存在较大的差异，如何针对数据的分布和关键点的特点来提升定位的精度，是本挑战赛要解决的关键问题。

图1. 不同分布的示例图像。顶行是原始图像，底行是带有38个解剖关键点的图像。我们的挑战将提供最大和最多样化的头部测量关键点检测数据集。

▌竞赛内容 

CL-Detection2023将从Mean Radial Error (MRE)与2mm的Success Detection Rate (SDR)两个维度评估比赛最终成绩，获胜者将有机会在相关顶级期刊上发表论文，并获得丰厚的奖励。这项挑战将为来自不同背景（例如学术界、工业界和政府等）的参与者提供一个开放的平台，以公平的方式比较他们的算法。 

加入赛事的QQ交流群（群号：808896849），最新通知将会第一时间在群内同步。

▌比赛奖励 

1.表现最好的前3名方法将获得证书和500欧元。

2.组织团队成员将邀请表现最好的团队共同撰写挑战概述论文，该论文将提交给高影响力期刊 (MedIA/TMI)。

我们热忱邀请您参加这场充满创新的挑战赛，共同推动头影测量领域的发展。

END