healthcare

Closed

Medical Dialog Analysis Competition

大部分的民眾都會藉由門診的方式來接受醫療行為,而醫療人員也大多會因為看診時的資訊來了解民眾的身體狀況,因此門診互動提供了相當多可貴的資訊。然而門診時的看診狀況多單靠醫療人員即時做病歷紀錄,且往往因為時間急迫而只能做條列式的簡潔紀錄。但是整個看診狀況能夠提供相當多有用的資訊,若能讓醫療人員可以事後回顧看診狀況或是有即時的決策輔助系統,將能節省醫療人員的時間心力、降低他們的負擔。本競賽提供從成大醫院合作之門診所收錄而來的門診對話及相關訪談的看診對話資料,由醫師針對該次門診對話進行標註。並將資料分為訓練集、開發集與測試集。本競賽共有兩個預測任務:(1)決策預判與風險評估, (2)醫病問答。(1)決策預判與風險評估:從門診對話脈絡,判斷該求診民眾是否需要再進一步評估,例如感染疾病的風險高低、是否需要再回診或檢查。(2)醫病問答:題目為從門診對話資料擷取出與該次看診狀況有關的問題,從多選項中回答出正確選項為答案。本競賽以 AUROC 作為(1)決策預判與風險評估的表現評估方法;以 Accuracy 作為(2)醫病問答的表現評估方法。最終將兩個任務的得分做算術平均,成為此次競賽參賽者系統的最終分數。相關問題諮詢,請洽:ikm.ncku@gmail.com參賽對象全國各大專院校在學生(含研究生)。全國高中職學生,因報名系統限制,高中學生報名時,請先以業界人士身份進行報名,待名次確認或獲獎時須提供在校證明,以便受獎。業界亦可參加,若名次在前 25% 且超過 basline 之隊伍,經評審委員審定後,僅可獲頒計畫辦公室獎狀,無法受領教育部獎狀和獎金。競賽方式及評選辦法本競賽「醫病訊息決策與對話語料分析競賽 - 春季賽」將分為兩項任務:(1)「決策預判與風險評估」係依據主辦單位所提供之語料集,並經由主辦單位聘僱之生物及醫學領域專家所標註的結果,以 AUROC 來評比各參賽隊伍的系統效能和名次。(2)「醫病問答」係依據主辦單位所提供之語料集,並經由主辦單位聘僱之生物及醫學領域專家所標註的結果,以 Accuracy 來評比各參賽隊伍的系統效能和名次。詳細辦法說明如下:本競賽有三種語料集,分別為訓練集(Training Data)、開發集(Development Data)及測試集(Test Data),其中訓練集與開發集分為兩次釋出,第一次釋出訓練集,第二次釋出開發集。第一階段:主辦單位提供約 20 篇經生物及醫學領域專家標註之範例資料。第二階段:春季賽分次提供訓練集與開發集:第一次提供訓練集,於第二次提供開發集,並提供線上評分排名系統,根據不同任務採用 AUROC 或是 Accuracy 指標評分。須注意每次公布新的資料集,都會清空排名系統,重新進行評分排名。參賽隊伍需從「訓練集」中訓練模型,並以該模型對「開發集」進行預測,上傳「開發集」之預測結果至線上評分排名系統,來進一步調校系統效能。第三階段:主辦單位公布完整的測試集(Test Data)。參賽隊伍需在截止時間前,至平台上傳「完整測試集」的預測結果。第四階段:競賽時間截止,系統會以最後一筆上傳的結果計算測試集的評估分數,並以此測試集的結果為最終排名依據。參賽者必須在分數公布後,於規範時程內上傳系統報告說明文件以及原始程式碼,以茲證明無任何作弊或抄襲之可能。委員們將在此階段一一進行嚴格的文件審查,未上傳隊伍將不列入最後名次與獎項評選名單。評分:決策預判與風險評估任務用 AUROC 來評估參賽隊伍的系統效能,醫病問答任務用 Accuracy 來評估參賽隊伍的系統效能,兩者最終分數公布於 Private Leaderboard,而本春季賽的最終分數為兩項任務分數的算術平均值,委員將以此最終分數的成績高低為依據評估最後獎金賽名次。※開發集階段每個參賽隊伍最多每日上傳三次,在測試集階段每個參賽隊伍最多只能上傳一次。

2021-03-01T16:00:00+00:00 ~ 2021-06-18T04:52:00+00:00
Closed

醫病訊息決策與對話語料分析競賽 - 秋季賽:醫病資料去識別化

根據 Health Insurance Portability and Accountability Act (HIPAA) 規定,在臨床醫療端的文字紀錄中,有關病人隱私資料的內容 (Protected Health Information, PHI) 都要被清除掉或是修改掉。而在門診醫病對話資料中,含有許多求診民眾的隱私內容,如此大量的資料,需要有自動化的方式去辨識出這些隱私內容,方便醫療人員的作業也加速醫療大數據的建立。本競賽提供從成大醫院合作之門診所收錄而來的門診對話及相關訪談的看診對話資料,由人工標註出對話資料中的隱私內容及其類型。並將資料分為訓練集、建構集(開發集) 與測試集。本競賽主要目標為從醫生與看診民眾對話中辨識和提取含有隱私資訊的內容,並分類出該內容屬於何種隱私類型。以 F1-Score 評估參賽者在測試語料集上預測結果的正確率。本競賽要識別出的隱私類型有:名字(name):所有的姓名、綽號、社群/通訊軟體使用者名稱、個人於團體中的代號等。地點(location):所有地址、商店名、建築物名稱、景點等。時間(time):所有日期、時間、年齡等,例如:出生年月日、看診時間。聯絡方式(contact):所有電話號碼、傳真號碼、信箱、IP 位址、網址、網站名稱(例如成大醫院掛號系統)等。編號(id):所有跟個人有關的編號,例如:身分證號碼、證件號碼、卡號、病歷號等。職業(profession):所有任職公司名稱、任職單位等。個人生物標誌(biomarker):所有個人的特殊身體或生理特徵,例如:胎記/疤痕/刺青部位或形狀、植入物(例如人工髖關節、心導管)等。家庭成員(family):所有個人的家庭成員關係,例如:爸爸、姊姊、兒子等。有名的臨床事件(clinical_event):所有廣為人知的臨床事件,例如:八仙塵爆、COVID-19。特殊專業或技能(special_skills):所有個人獨特的專業或技能,例如:手繪電影看板。獨家或聞名的治療方法(unique_treatment):所有特別或廣為人知的治療方法,例如:台大醫院葉克膜、長庚醫院甲狀腺射頻消融手術。帳號(account):所有帳號,例如:社群/通訊軟體帳號或 ID、郵局銀行帳號。所屬團體(organization):所有個人參與的組織、團體、社團等等的名稱,例如:歡樂無法黨、成大教職男籃隊。就學經歷或學歷(education):所有個人的就學經歷或學歷,如系所、程度,例如:讀成大資工、成大資工所碩士畢業。金額(money):所有金額,例如:看診金額、個人負擔金額、自費金額。所屬品的特殊標誌(belonging_mark):所有個人的所屬品特殊標誌,例如:汽車貼膜圖案、產品序列號、手機殼圖案、顏色。報告數值(med_exam):醫療檢查報告、影像報告的數值,例如:肝功能 67、紅血球值 5.8、超音波影像的脾藏 10.67 公分、體溫 36.7 度。其他(others):其他跟個人隱私有關,可以關聯到當事人的內容。相關問題諮詢,請洽:ikm.ncku@gmail.com參賽對象全國各大專院校在學生(含研究生),業界亦可參加,但不列入敘獎排名。競賽方式及評選辦法本競賽「醫病訊息決策與對話語料分析競賽 - 秋季賽:醫病資料去識別化」係依據主辦單位所提供之語料集,並經由主辦單位聘僱之生物及醫學領域專家所標註的結果,以 F1-Score 來評比各參賽隊伍的系統效能和名次,詳細辦法說明如下:本競賽有三種語料集,分別為訓練集(Training Data)、開發集(Development Data)及測試集(Test Data)。第一階段:主辦單位提供約 20 篇經生物及醫學領域專家標註之範例資料。第二階段:秋季賽分三次提供訓練集與開發集: 第一次提供部分訓練集,並於兩週後(第二次)提供部分開發集,第三次提供全部訓練集與全部開發集。並提供線上評分排名系統,使用 F1-Score 指標評分。須注意每次公布新的資料集,都會清空排名系統,重新進行評分排名。參賽隊伍需從「訓練集」中訓練模型,並以該模型對「開發集」進行預測,並上傳「開發集」之預測結果至線上評分排名系統,來進一步調校系統效能。第三階段:主辦單位公布完整的測試集(Test Data)。參賽隊伍需在截止時間前,至平台上傳「完整測試集」的預測結果。第四階段:競賽時間截止,系統會以最後一筆上傳的結果計算測試集的評估分數,並以此測試集的結果為最終排名依據。參賽者必須在分數公布後,於規範時程內上傳系統報告說明文件以及原始程式碼,以茲證明無任何作弊或抄襲之可能。委員們將在此階段一一進行嚴格的文件審查,未上傳隊伍將不列入最後名次與獎項評選名單。評分:最後用 F1-Score 來評估參賽隊伍的系統效能,並公布於 Private Leaderboard,委員將以此成績高低為依據評估最後獎金賽名次。

2020-09-02T16:00:00+00:00 ~ 2020-12-31T15:59:59+00:00
Closed

2020 the 3rd Asia cup Brain Tumor Segmentation Challenge

CyberKnife uses a high-energy X-ray machine on a robotic arm to precisely deliver radiation beams that destroy tumor cells and stop tumor growth while avoiding damage to healthy tissue. Before treatment, need to create a personalized treatment plan to evaluate the unique shape, size and location of the tumor, as well as the tissue and structures that need to be protected. Clinical challenge: 1-CyberKnife mostly is used for tiny tumor 2-It is a very time-consuming process, It will take hours for two professionals (one doctor and one medical physicist) to perform the computer planning, and for complicated case, it will take a day to create the plan for a patient In order to enhance the workflow, we want to train the AI to identify the location of brain tumors and contour it.Through this challenge, we hope to encourage participants to learn from each other and optimize the training process to get the best model performance as possible. Welcome to join us! Action now!Organizer:台大醫神-精準醫療人工智慧輔助決策系統(NTU Med God-A data platform for precision medicine )Co-organizers 科技部補助全幅健康照護中心(MOST All Vista Healthcare Center) 商之器科技(EBM Technologies ) 台大醫院神經外科(The Neurosurgery in NTUH) 國立台灣大學生醫電子與資訊學研究所(Graduate Institute of Biomedical Electronics and Bioinformatics, National Taiwan University) 威強電工業電腦(IEI Integration Corp.) 威聯通科技(QNAP Systems, Inc.)The Ministry of Science and Technology All Vista Healthcare Center (MAHC), a research center launched in March 2018 and fully supported by Taiwan government, is dedicated to AI applications in medicine and healthcare. The MAHC aims to establish a world level platform to facilitate explorations of AI model-driven or data-driven technology for medical and healthcare, through which any technology targeted for medical AI applications can be quickly developed and validated. The MAHC is expected to lead and promote domestic research teams specialized in biomedical and healthcare fields and in turn to improve the health and well-being of people in Taiwan.There are currently 11 project teams, affiliated with top academics and medical centers in Taiwan, under the MAHC. Based on the research topics, the projects can be categorized into five areas: mental healthcare, medical imaging, decision support, precision drug use, and AI-ethical, legal, and social impact (AI-ELSI).In addition to working with research groups from domestic institutions in Taiwan, the MAHC is forming collaborations/partnerships with internationally renowned academics such as Stanford University, Harvard Medical School and its affiliates, and University of Toronto (Canada) for the advancement of medical AI research. Moreover, the MAHC is also working with industrial partners to promote commercialization and entrepreneurship.We anticipate that the MAHC become a top-notch cluster for digital health and medicine so that medical achievements enhanced by the AI techniques in Taiwan can be more easily recognized worldwide.Prize1st  place: One team $USD 2,000 (tax included)+ QNAP NAS*1 (value USD300)2nd place: One team $USD 1,700 (tax included)+ QNAP NAS*1 (value USD300)3rd  place: One team $USD 1,300 (tax included)+ QNAP NAS*1 (value USD300)4th place: One team $USD 1,000 (tax included)+ QNAP NAS*1 (value USD300)Remark1: After submission of AI model and inference source code,the top 4 winners will receive the prize money after the deduction of tax. (vary by country)

2020-07-14T16:00:00+00:00 ~ 2020-09-26T16:00:00+00:00
Closed

ICIP Competition-Mosquito Breeding Site Hunting for Dengue Fever Control

Dengue fever is an acute infectious disease transmitted by mosquito. The peak time of dengue fever outbreak in Taiwan is usually at summertime. Mild clinical cases of dengue fever may present as symptoms such as fever, headaches, and myalgia while severe cases may have severe fluid leakage, hemorrhagic symptoms, shock, organ failure, coma and even death. The mortality rate can be as high as 20% or more if the patient does not receive proper treatment in time.To effectively prevent dengue fever outbreak, cleaning up the breeding sites of the mosquitos is essential. Possible breeding sites for mosquitos include all containers that hold stagnant water, such as bottles, basins, buckets, cans, cups, bowls, tires, plastic bags, and etc.Every year, the Taiwan Centers for Disease Control collaborate with local health department to examine the communities and to find uncleaned sites with those containers that may hold stagnant water, where may become mosquito breeding sites afterwards. However, the inspection takes tremendous manpower and time. This challenge provides labeled data for the various types of containers, and aims to build an object detection model for possible breeding sites. This way the inspectors can pinpoint the containers which hold stagnant water by digital camera images or live video, and thus improve the effectiveness of inspection and breeding site elimination.This competition is a grand challenge of IEEE ICIP 2019. In addition to participating in the competition, participants can also submit the results of the solution(challenge paper) to the conference.Prize Information1st place: 3000 USD2nd place: 2000 USD3rd place: 1000 USDAll prizes are subject to the corresponding tax deductions, according to the law.

2019-03-31T16:00:00+00:00 ~ 2019-06-01T15:59:59+00:00
Closed

生醫論文自動分析正式賽 – 生醫關聯擷取

近年來隨著人工智慧技術的蓬勃發展,人工智慧的應用逐漸落實在日常生活周遭。全球性的市場調查諮詢公司 Markets & Markets 預估人工智慧應用的市場將從 2017 年的 160.6 億美元成長到 2025 年的 1,906.1 億美元,年均複合增長率達到 36%。獲益於人工智慧技術的產業包括製造業、金融科技、醫療領域等。這一波人工智慧的發展預期將會在 2022 年為醫療領域帶來79 億 880 萬美金的產值 。主要應用的人工智慧技術包括機器學習、自然語言處理、情境感知以及電腦視覺。其中自然語言處理技術更是在促成智慧醫療領域中扮演最重要的推手,依此技術所開發的各種醫療決策分析系統,如 IBM Watson 等,已經開始蓬勃發展與應用。臺灣醫療技術在世界上頗負盛名,這波的人工智慧技術更是掀起了產官學界一股智慧醫療的風潮。本計畫期望能夠藉由此計畫的推動,在這股即將到來的熱潮中扮演領頭羊的腳色,引領學子在學習人工智慧技術的同時,將其應用到跨領域的生物醫學智慧計算領域。本計畫將以自然語言處理技術為核心,開放競賽語料讓學子能夠將人工智慧技術應用於基礎的臨床醫療病歷資料分析到進階的生物資訊文獻語料,據此培養具備人工智慧、機器學習、自然語言處理與倫理道德素養的專業人才,並期待在本競賽中發展的技術成為臺灣健康資料加值應用中最重要的一環。參與本競賽的學子將可實務的了解分析生物醫學資料的流程與技術,並體現轉譯醫學思維,讓學子能夠了解利用自然語言處理技術將基礎醫學、生物資訊研究,和臨床治療連結的大思維。生物命名實體間的關聯擷取為文獻探勘研究的一大重點,本正式賽會提供人工標註的生醫文件(主要來源:PubMed 文獻摘要),並將資料分為訓練集 Part1、Part 2、建構集(開發集)Part1、Part2 與測試集。正式賽的資料來源以 PubMed 摘要為主,競賽的主要目標為從 PubMed 的生物醫學文獻摘要中辨識和提取具有蛋白質交互作用(Protein-protein Interaction,PPI)資訊之描述句子,並針對所擷取出來具有 PPI 的句子進行評估,確認關聯性的類型(例如:target/regulate/post-translation)。本競賽採用 F1-measure 來評估參賽者在測試語料集上預測結果的正確率。主辦單位將在報名規章公布中包含於釋出競賽相關細則並明訂關聯性類型之規範。競賽獎金敘獎對象須為報名時具中華民國各大專校院之在學生資格,敘獎時需檢附相關證明。在「生醫論文自動分析正式賽」項目前六名的優勝隊伍將獲得競賽獎金:名次獎金第一名10 萬元第二名5 萬元第三名3.5 萬元優等1 萬元佳作 2 名各 7.5 仟元前六名獲獎隊伍經評審委員審定後將獲得教育部獎狀乙紙。名次在前 25% 且超過 Baseline 之隊伍,經評審委員會審定後,將獲頒教育部人工智慧競賽計畫辦公室獎狀。各項獎勵名額得視參賽件數及成績酌予調整,參賽作品未達水準時,得由決選評審委員決定從缺,或不足額入選。參賽對象全國各大專院校在學生(含研究生),業界亦可參加,但不列入敘獎排名。競賽方式及評選辦法本競賽「生醫論文自動分析正式賽」係依據主辦單位所提供之語料集,並經由主辦單位聘僱之生醫領域專家所標註的結果,以 F1-measure 來評比各參賽隊伍的系統效能和名次,詳細辦法說明如下:本競賽有三種語料集,分別為訓練集(Training Data)、開發集(Development Data)及測試集(Test Data)。訓練語料集包括 1. 基因名稱(Gene) 2. 基因對應至 Entrez Gene 資料庫中的編號(Gene ID) 3. 基因與基因之間的關聯類型;而開發集及測試集都是只有標註基因名稱及其編號,並未包含關聯類型。其中訓練集及開發集又分為兩個階段釋出,第一階段僅釋出部分訓練集,第二階釋出完整訓練集。另外,開發集也分為兩階段釋出。1. 第一階段:主辦單位提供約 150 篇經生醫專家標註具有基因名稱、編號及關聯資訊之範例資料集。2. 第二階段:主辦單位將提供 1. 部分訓練集 2. 部分開發集(共約 2,000 篇)及線上評分排名系統(使用 F1-measure 指標評分)。參賽隊伍需從「部分訓練集」中訓練基因交互作用關聯類別分類模型,並以該模型對「部分開發集」進行預測,並上傳「部分開發集」之預測結果至線上評分排名系統,來進一步調校系統效能。3. 第三階段:公布「完整訓練集」及「完整開發集」,共 4,000 篇(包含階段二之資料 2,000 篇)。4. 第四階段:主辦單位公布完整的測試集(Test Data),標有基因名稱及編號,但不含關聯資訊標註之摘要約 20,000 篇。參賽隊伍需在截止時間前,至平台上傳從「完整測試集」預測結果。參賽者可上傳多次,並選取其中一至三筆分數作為評選對象。5. 參賽者必須在分數公布後兩周內上傳系統報告說明文件,以茲證明無任何作弊或抄襲之可能。委員們將在此階段一一進行嚴格的文件審查。6. 評分:最後仍用 F1-measure 來評估參賽隊伍的系統效能,並公布於 Private Leader Board,委員將以此成績高低為依據評估最後獎金賽名次。

2019-03-26T16:00:00+00:00 ~ 2019-08-29T15:59:59+00:00
Closed

Mosquito Breeding Site Hunting for Dengue Fever Control

Dengue fever is an acute infectious disease transmitted by mosquito. The peak time of dengue fever outbreak in Taiwan is usually at summertime. Mild clinical cases of dengue fever may present as symptoms such as fever, headaches, and myalgia while severe cases may have severe fluid leakage, hemorrhagic symptoms, shock, organ failure, coma and even death. The mortality rate can be as high as 20% or more if the patient does not receive proper treatment in time.To effectively prevent dengue fever outbreak, cleaning up the breeding sites of the mosquitos is essential. Possible breeding sites for mosquitos include all containers that hold stagnant water, such as bottles, basins, buckets, cans, cups, bowls, tires, plastic bags, and etc.Every year, the Taiwan Centers for Disease Control collaborate with local health department to examine the communities and to find uncleaned sites with those containers that may hold stagnant water, where may become mosquito breeding sites afterwards. However, the inspection takes tremendous manpower and time. This challenge provides labeled data for the various types of containers, and aims to build an object detection model for possible breeding sites. This way the inspectors can pinpoint the containers which hold stagnant water by digital camera images or live video, and thus improve the effectiveness of inspection and breeding site elimination. This is an open-ended problem that can be solved consistently over a long period of time, and has offered milestone awards for participants. the award will be given to the first three participants who reached the Baseline, and Private Leaderboard will be updated occasionally. Prize InformationThe final score should be uploaded before 23:59:59 on the day of milestone. The top three exceeding Baseline score (0.595474) on Private Leaderboard would be awarded as follows:The first place: 100,000 discount points of hicloudThe second place: 100,000 discount points of hicloudThe third place: 100,000 discount points of hicloudRewards were provided by Chunghwa TelecomNote:1. Hicloud points can redeem service charge. After the discount, the price will be charged at 30% off based on the list price automatically.2. Chunghwa Telecom deserves the right to make changes to the terms and conditions herein.3. A model verification process will be performed to verify eligibility of awardees. Only those who pass model verification process will be awarded a certificate and/or prize.The example of calculating points can be referred to https://aidea-web.tw/computing

2019-01-27T16:00:00+00:00 ~ 2019-11-30T15:59:59+00:00
Closed

生醫論文自動分析熱身賽初階

近年來隨著人工智慧技術的蓬勃發展,人工智慧的應用逐漸落實在日常生活周遭。全球性的市場調查諮詢公司 Markets & Markets 預估人工智慧應用的市場將從 2017 年的 160.6 億美元成長到 2025 年的 1,906.1 億美元,年均複合增長率達到 36% 。獲益於人工智慧技術的產業包括製造業、金融科技、醫療領域等。這一波人工智慧的發展預期將會在 2022 年為醫療領域帶來79 億 880 萬美金的產值 。主要應用的人工智慧技術包括機器學習、自然語言處理、情境感知以及電腦視覺。其中自然語言處理技術更是在促成智慧醫療領域中扮演最重要的推手,依此技術所開發的各種醫療決策分析系統,如 IBM Watson 等,已經開始蓬勃發展與應用。臺灣醫療技術在世界上頗負盛名,這波的人工智慧技術更是掀起了產官學界一股智慧醫療的風潮。本計畫期望能夠藉由此計畫的推動,在這股即將到來的熱潮中扮演領頭羊的角色,引領學子在學習人工智慧技術的同時,將其應用到跨領域的生物醫學智慧計算領域。本計畫將以自然語言處理技術為核心,開放競賽語料讓學子能夠將人工智慧技術應用於基礎的臨床醫療病歷資料分析到進階的生物資訊文獻語料,據此培養具備人工智慧、機器學習、自然語言處理與倫理道德素養的專業人才,並期待在本競賽中發展的技術成為臺灣健康資料加值應用中最重要的一環。參與本競賽的學子將可實務的了解分析生物醫學資料的流程與技術,並體現轉譯醫學思維,讓學子能夠了解利用自然語言處理技術將基礎醫學、生物資訊研究,和臨床治療連結的大思維。生物命名實體辨識做為文獻探勘研究的基礎,本熱身賽會提供人工標註的生醫文件(來源包含:PubMed、PubMed Central、以及專利文獻摘要),並將資料分為訓練集、建構集與測試集。熱身賽內容包含三項任務,細節如下:任務一:參賽隊伍須辨識文獻中所提及的基因、疾病以及化學物質共三種命名實體類型。任務二:回答上述三類之基因、疾病與化合物分別對應至生醫資料庫中之ID編號,其中基因ID會以人類基因為主,但包含部分非人類基因。任務三:進一步回答文章中疾病源發自何種器官或組織(例如:肺臟、皮膚、血液或骨髓,限縮在給定之57項器官組織中,相關規定亦會於標註準則中說明並公佈),以及該篇文章中的化學物質命名實體是否會引發或造成該文章中何種疾病。初階參賽者須完成任務一實體辨識競賽獎金初階:第一名 新台幣 8,000元第二名 新台幣 6,000元第三名 新台幣 3,000元每項競賽前三隊伍,及表現優異者若干隊伍,經競賽委員會審定後,將獲頒教育部獎狀名次在前25%且超過Baseline之隊伍,經競賽委員會審定後,將獲頒教育部人工智慧競賽計畫辦公室獎狀

2018-09-19T16:00:00+00:00 ~ 2019-01-08T15:59:59+00:00
Closed

生醫論文自動分析熱身賽進階

近年來隨著人工智慧技術的蓬勃發展,人工智慧的應用逐漸落實在日常生活周遭。全球性的市場調查諮詢公司 Markets & Markets 預估人工智慧應用的市場將從 2017 年的 160.6 億美元成長到 2025 年的 1,906.1 億美元,年均複合增長率達到 36% 。獲益於人工智慧技術的產業包括製造業、金融科技、醫療領域等。這一波人工智慧的發展預期將會在 2022 年為醫療領域帶來79 億 880 萬美金的產值 。主要應用的人工智慧技術包括機器學習、自然語言處理、情境感知以及電腦視覺。其中自然語言處理技術更是在促成智慧醫療領域中扮演最重要的推手,依此技術所開發的各種醫療決策分析系統,如 IBM Watson 等,已經開始蓬勃發展與應用。臺灣醫療技術在世界上頗負盛名,這波的人工智慧技術更是掀起了產官學界一股智慧醫療的風潮。本計畫期望能夠藉由此計畫的推動,在這股即將到來的熱潮中扮演領頭羊的角色,引領學子在學習人工智慧技術的同時,將其應用到跨領域的生物醫學智慧計算領域。本計畫將以自然語言處理技術為核心,開放競賽語料讓學子能夠將人工智慧技術應用於基礎的臨床醫療病歷資料分析到進階的生物資訊文獻語料,據此培養具備人工智慧、機器學習、自然語言處理與倫理道德素養的專業人才,並期待在本競賽中發展的技術成為臺灣健康資料加值應用中最重要的一環。參與本競賽的學子將可實務的了解分析生物醫學資料的流程與技術,並體現轉譯醫學思維,讓學子能夠了解利用自然語言處理技術將基礎醫學、生物資訊研究,和臨床治療連結的大思維。生物命名實體辨識做為文獻探勘研究的基礎,本熱身賽會提供人工標註的生醫文件(來源包含:PubMed、PubMed Central、以及專利文獻摘要),並將資料分為訓練集、建構集與測試集。熱身賽內容包含三項任務,細節如下:任務一:參賽隊伍須辨識文獻中所提及的基因、疾病以及化學物質共三種命名實體類型。任務二:回答上述三類之基因、疾病與化合物分別對應至生醫資料庫中之ID編號,其中基因ID會以人類基因為主,但包含部分非人類基因。任務三:進一步回答文章中疾病源發自何種器官或組織(例如:肺臟、皮膚、血液或骨髓,限縮在給定之57項器官組織中,相關規定亦會於標註準則中說明並公佈),以及該篇文章中的化學物質命名實體是否會引發或造成該文章中何種疾病。進階參賽者須完成任務一及任務二所指定回答項目競賽獎金進階:第一名 新台幣 12,000元第二名 新台幣 10,000元第三名 新台幣 7,000元每項競賽前三隊伍,及表現優異者若干隊伍,經競賽委員會審定後,將獲頒教育部獎狀名次在前25%且超過Baseline之隊伍,經競賽委員會審定後,將獲頒教育部人工智慧競賽計畫辦公室獎狀

2018-09-19T16:00:00+00:00 ~ 2019-01-14T15:59:59+00:00
Closed

生醫論文自動分析熱身賽高階

近年來隨著人工智慧技術的蓬勃發展,人工智慧的應用逐漸落實在日常生活周遭。全球性的市場調查諮詢公司 Markets & Markets 預估人工智慧應用的市場將從 2017 年的 160.6 億美元成長到 2025 年的 1,906.1 億美元,年均複合增長率達到 36% 。獲益於人工智慧技術的產業包括製造業、金融科技、醫療領域等。這一波人工智慧的發展預期將會在 2022 年為醫療領域帶來79 億 880 萬美金的產值 。主要應用的人工智慧技術包括機器學習、自然語言處理、情境感知以及電腦視覺。其中自然語言處理技術更是在促成智慧醫療領域中扮演最重要的推手,依此技術所開發的各種醫療決策分析系統,如 IBM Watson 等,已經開始蓬勃發展與應用。臺灣醫療技術在世界上頗負盛名,這波的人工智慧技術更是掀起了產官學界一股智慧醫療的風潮。本計畫期望能夠藉由此計畫的推動,在這股即將到來的熱潮中扮演領頭羊的角色,引領學子在學習人工智慧技術的同時,將其應用到跨領域的生物醫學智慧計算領域。本計畫將以自然語言處理技術為核心,開放競賽語料讓學子能夠將人工智慧技術應用於基礎的臨床醫療病歷資料分析到進階的生物資訊文獻語料,據此培養具備人工智慧、機器學習、自然語言處理與倫理道德素養的專業人才,並期待在本競賽中發展的技術成為臺灣健康資料加值應用中最重要的一環。參與本競賽的學子將可實務的了解分析生物醫學資料的流程與技術,並體現轉譯醫學思維,讓學子能夠了解利用自然語言處理技術將基礎醫學、生物資訊研究,和臨床治療連結的大思維。生物命名實體辨識做為文獻探勘研究的基礎,本熱身賽會提供人工標註的生醫文件(來源包含:PubMed、PubMed Central、以及專利文獻摘要),並將資料分為訓練集、建構集與測試集。熱身賽內容包含三項任務,細節如下:任務一:參賽隊伍須辨識文獻中所提及的基因、疾病以及化學物質共三種命名實體類型。任務二:回答上述三類之基因、疾病與化合物分別對應至生醫資料庫中之ID編號,其中基因ID會以人類基因為主,但包含部分非人類基因。任務三:進一步回答文章中疾病源發自何種器官或組織(例如:肺臟、皮膚、血液或骨髓,限縮在給定之57項器官組織中,相關規定亦會於標註準則中說明並公佈),以及該篇文章中的化學物質命名實體是否會引發或造成該文章中何種疾病。高階參賽者則須完成任務一至三所有項目。競賽獎金高階:第一名 新台幣 80,000元第二名 新台幣 44,000元第三名 新台幣 30,000元每項競賽前三隊伍,及表現優異者若干隊伍,經競賽委員會審定後,將獲頒教育部獎狀名次在前25%且超過Baseline之隊伍,經競賽委員會審定後,將獲頒教育部人工智慧競賽計畫辦公室獎狀

2018-09-19T16:00:00+00:00 ~ 2019-01-14T15:59:59+00:00