단일 외상 중 사망률이 가장 높은 화상 상처!

딥러닝을 이용하여 화상 5단계를 구분하라

한국지능정보사회진흥원 (NIA)의 지원을 받아 연구자들에게 다양하고 신선한 기회를 제공하기 위한 특별한 데이터를 활용하는 해커톤을 개최합니다.

연구자들이 흔히 접할 수 없는 데이터를 제공하여 직접 분석에 활용해볼 수 있습니다.

또한 해커톤 이후 임상진과의 협의를 통해 지속적인 융합연구를 진행할 수 있습니다.

많은 참여 부탁드립니다.

화상은 단일 외상 중 사망률이 가장 높습니다.

하지만 이러한 화상 상처의 심각성 및 중증도를 판단할 의료진은 부족합니다.

이에 화상의 중증도를 판정하는 인공지능 경진대회를 개최하고자 합니다.

* 진행 유의사항 *

1. 본 대회는 Google Colab을 학습에 사용하며, 주어진 자원 내에서 결과물을 제출하여야 함 (외부 자원 활용 불가)

2. 의료 데이터 특성 상 데이터는 다운로드가 불가능하며, 별도 이미지의 확인 또한 불가능함 (샘플 데이터만 제공)

3. 위 두 사항을 어기는 행위에 대해서 부정행위로 간주하여 실격 처리 예정임

4. 참가팀 4팀 초과시, 서류심사를 통하여, 선별된 4팀에 한하여 대회를 진행 할 것임

5. 참가 서류 작성( 경진대회 홈페이지 : Burn diagnosis AI Challenge ) 완료한 참가자에 한하여 본선 대회를 진행할 수 있음 (미작성 혹은 허위 작성 적발 시, 실격처리임)

* 데이터 설명 *

- Data : 화상 5단계 이미지 데이터

이미지는 화상1도(1 degree), 화상2도 표재성(2 degree (superficial)), 화상2도 심재성(2 degree (deep)), 화상3도(3 degree), 화상4도(4 degree)로 구성되어 있음

해당 이미지에 대한 환자 정보 및 바운딩박스 정보는 json 파일로 구성되어 있음

- 화상1도 : Train Dataset (800장) / Validation Dataset (100장) / Test Dataset (100장)

- 화상2도 표재성 : Train Dataset (800장) / Validation Dataset (100장) / Test Dataset (100장)

- 화상2도 심재성 : Train Dataset (800장) / Validation Dataset (100장) / Test Dataset (100장)

- 화상3도 : Train Dataset (800장) / Validation Dataset (100장) / Test Dataset (100장)

- 화상4도 : Train Dataset (400장) / Validation Dataset (50장) / Test Dataset (50장)

* 문의처 *

1. 총괄담당자 : 서울대학교병원(본원) 성형외과 김병준 교수

2. 실무담당자

- [데이터 등 기술적인 부분] 김재승 연구원 : aptx4869ver0@naver.com

- [대회 개최 및 진행 부분] 고명은 연구원 : gme1010@snu.ac.kr / 02-2072-4925