史上最多标签分类挑战赛-分类胸部X光片45个病变，包括罕见病。旨在解决长尾，多标签，零样本分类问题

史上最多标签分类挑战赛-分类胸部X光片45个病变，包括罕见病。旨在解决长尾，多标签，零样本分类问题

比赛简介

胸部X线摄影，像许多诊断性医学检查一样，产生了临床发现的长尾分布(long-tailed)；虽然一小部分疾病经常被常规观察到，但绝大多数疾病相对罕见。

这对标准的深度学习方法构成了挑战，这些方法表现出对最常见类别的偏见，以牺牲重要但罕见的“尾部”类别为代价。

许多现有的方法已被提出来解决这种特定的不平衡问题，尽管直到最近才有人关注长尾医学图像识别问题。

胸部X线(CXRs)的诊断也是一个多标签(multi-label)问题，因为患者通常同时表现出多种疾病发现；然而，只有少数研究将标签共现的知识纳入学习过程。

由于大多数大规模图像分类基准测试包含单标签图像，并且标签分布大多平衡，许多标准的深度学习方法无法适应像CXR上疾病诊断这样的任务所提出的类别不平衡和共现（co-occurrence）问题。

在2024年的MICCAI挑战赛中，CXR-LT Challenge就为了解决这个问题。

在2023年举行的CXR-LT的第一次迭代中，通过将目标类别从14个扩展到26个，通过解析放射学报告为12种新的罕见疾病发现生成标签，扩大了MIMIC-CXR-JPG数据集。

虽然这为一个具有挑战性的长尾、多标签疾病分类任务创造了条件，吸引了59个团队贡献了500多个独特的提交

但Radiology Gamuts Ontology文档记录了超过4500个独特的放射学图像发现。这意味着，胸部X射线检查上所有临床结果的"真实"分布至少比我们的或任何现有数据集所提供的结果，长出两个数量级。

因此，我们认为，真正解决放射学图像发现的长尾问题的唯一方法是开发一个能够以“零样本”（“zero-shot”）方式轻松推广到新类别的模型。

比赛数据

本次比赛使用来自 MIMIC-CXR-JPG v2.0.0 的数据。该数据集包含377,110 张 JPG 格式图像和结构化标签

比赛任务

比赛包括三个子任务

• 任务1：在一个庞大、嘈杂的测试集上进行长尾分类；
• 任务2：在一个小型、手动注释的测试集上进行长尾分类；
• 任务3：对以前未见过的疾病结果进行零样本泛化。

比赛时间

• 2024年5月1日：发布训练数据，挑战（开发阶段）开始
• 2024年8月1日：发布测试标签，进行最终评估（测试阶段）
• 2024年8月4日：测试阶段结束，竞赛关闭
• 2024年8月15日：邀请表现优秀的团队参加MICCAI 2024年会
• 2024年10月10日：MICCAI 2024 CXR-LT挑战赛事件