DataWhaleAI夏令营笔记（一）

 

        夏令营主要分三个实践内容，机器学习、CV、NLP，面向高校学生及在职人群，全程免费，且有助教在线解答问题，很适合小白入门深度学习。楼主工作三年，但主要还是集中在使用传统图像处理算法解决工业检测与测量问题，这次参加DataWhale夏令营想通过实践来入门深度学习，学习下深度学习的框架以及使用深度学习方法解决CV问题的Pipeline。

        CV方向是以讯飞脑PET图像分析和疾病预测挑战赛为实践内容，下面为赛题介绍：

        脑PET全称为脑部正电子发射计算机断层显像(brain positron emission tomography PET)，是反映脑部病变的基因、分子、代谢及功能状态的显像。它是利用正电子核素标记葡萄糖等人体代谢物作为显像剂，通过病灶对显像剂的摄取来反映其代谢变化，从而为临床提供疾病的生物代谢信息，为脑癫痫病、脑肿瘤、帕金森病、阿尔茨海默综合征等提供了有效的检测手段。可利用脑PET图像检测出轻度认知障碍病灶，并提前介入治疗，从而延缓发病，对后续患者康复治疗有着积极的意义。因此本赛题以轻度认知障碍为例对脑PET图像进行分析与疾病预测。

        赛事任务主要是研究基于脑PET图像的疾病预测，根据提供的海量脑PET数据集作为脑PET图像检测数据库的训练样本，参赛者需根据提供的样本构建模型，对轻度认知障碍进行分析和预测。脑PET图像检测数据库，记录了老年人受试志愿者的脑PET影像资料，其中包括确诊为轻度认知障碍（MCI）患者的脑部影像数据和健康人（NC）的脑部影像数据。被试者按医学诊断分为两类：NC：健康 / MCI：轻度认知障碍。

        DataWhale贴心的为我们准备了赛题的Baseline，可以让大家快速跑通流程获得分数。

详细教程见：AI夏令营第三期 - 脑PET图像分析和疾病预测挑战赛教程 - 飞书云文档 (feishu.cn) 

楼主使用百度AI Studio跑了Baseline代码，也得到了分数，后续准备深入学习Baseline的流程及思想，针对任务进行模型优化，提高分数。