RSNA Knee Abnormality Detection

适合专业与项目难度

多序列膝关节 MRI、DICOM 几何和医学影像质检直接关联生物医学工程；视觉融合对应 AI/计算机，12 标签风险排序和 study-level 验证对应统计与数据科学。

为什么评为高级？

供稿标为高：多序列 DICOM、切片聚合、缺失序列和多标签评估需要联合处理；训练报告与测试影像输入不一致，还需控制验证泄漏和算力预算。

等级说明：跨多阶段或研究型系统，涉及复杂数据、模型/算力约束或强领域先修知识。

建议具备的基础

• Python、PyTorch 与视觉模型训练
• DICOM/医学影像预处理
• 分组验证与多标签 ROC AUC

可以从哪里开始

先做单序列 2D 基线和 study-level 切分，再逐步加入多平面融合与训练期报告监督。

专业与难度由本站根据项目文档分析，面向基线复现与对照实验；具体门槛取决于承担的任务和项目深度。 这不是 Kaggle 官方评级。

先把任务说清楚

模型需要从同一检查的多序列膝关节 MRI 中预测 12 类异常。训练阶段可利用放射科报告补充监督，但测试阶段只有影像，因此报告不能成为推理时的必需输入。

技术路线

1. 数据

   DICOM 管线

   按几何信息排序切片，记录像素间距、方向和序列类型，并检查缺失序列。

2. 验证

   防泄漏验证

   以 study 为单位划分训练与验证，避免同一次检查的切片跨集合泄漏。

3. 模型

   多序列融合

   从单序列 2D 基线开始，再比较跨平面、跨切片和多分支特征融合。

4. 评估

   逐标签评估

   报告 12 个标签的 AUC、类别分布和失败案例，区分宏平均提升来自哪些标签。

组队时间窗口

Team Merger deadline

2026年10月15日

Final submission deadline

2026年10月22日

Competition End Date

2026年11月5日

预计结果日期

2026年11月5日，采用 Competition End Date

预计结果日期用于时间适配，不代表官方奖项发布日期或结果承诺。

规则与提交信息

公开分类

CV

最大队伍人数

5

评价指标

12 个标签 ROC AUC 的宏平均

提交文件

submission.csv

运行上限

Notebook 约 9 小时

• 每日最多提交 5 次，最终计分提交最多 2 个
• 医学影像任务需严格复核数据与许可，提交规范以官方 Rules 为准

比赛状态、Rules、提交限制和赛程可能变化，请以 Kaggle 官方页面为准。

证据边界：非实时图表，用于理解公开方案与讨论；分数和票数不代表最终排名或本站团队成绩。

公开研究资料

以下图表基于公开页面整理，用于理解公开方案与讨论主题。数据会变化，不作为成绩、排名或结果承诺。

协作重点与可交付成果

复盘与面试可以讲什么

• 为什么使用 macro ROC AUC 而不是准确率
• 如何防止同一检查在训练与验证间泄漏
• 为何该结果只能用于研究验证，不能替代临床诊断

适合用途

数据状态与官方来源

当前赛程状态为“已核验”。 团队、资格、数据、模型、代码共享和提交方式以单场 Rules 最新内容为准。