کمیته علمی
دکتر فرناز صدیقین
دکتر ایمان ادیبی
عضو هیئت علمی دانشگاه علوم پزشکی اصفهان
دکتر فریبا دوانیان
عضو هیئت علمی دانشگاه علوم پزشکی اصفهان
دکتر مریم منعمیان
دکتر مهنوش تاجمیر ریاحی
دکتر حسین ربانی
بیان مسئله
مولتیپل اسکلروزیس (MS) یک بیماری خودایمنی است که سیستم عصبی مرکزی را درگیر می کند که در آن سیستم ایمنی بدن غلاف میلین نورون های مغز و نخاع را تخریب می کند. این نواحی به صورت پلاک در MRI ظاهر می شوند. این پلاک ها معمولا در تصاویر فاز T1 در MRI قابل مشاهده نیستند و در فاز T2 به صورت نواحی سفید و در MRI FLAIRE دیده می شوند. در پروتکل MRI با تزریق مواد رادیواکتیو (گادولینیم)، این پلاک ها به صورت حلقه های ناقص روشن در T1 دیده می شوند. این پلاک ها می توانند در نواحی پری ونتریکولار، اینفراتنتوریال، ، ماده سفید و Juxtacortical مغز باشند. تعیین تعداد و محل پلاک ها بر اساس شاخص مک دونالد در قطعیت تشخیص MS بسیار مهم است. نمونه ای از تصویر MRI که محل پلاک ها را نشان می دهد در شکل زیر نشان داده شده است.
شکل 1- نمونه ای از تصویر MRI و تصویر خروجی که مکان پلاک ها را نشان می دهد[1]
تعیین تعداد و محل پلاک ها تاکنون به صورت تصویری انجام شده است و این امر محدودیت هایی را در تعیین تعداد و محل دقیق پلاک ها به همراه داشته است. بر این اساس، استفاده از روش‌های پردازش تصویر و هوش مصنوعی در این زمینه می‌تواند منجر به افزایش دقت و کیفیت ارزیابی تصاویر و در نتیجه به تشخیص دقیق‌تر این بیماری شود.
با توجه به توضیحات فوق، در این مسابقه قصد داریم بهترین الگوریتم های هوش مصنوعی را برای تشخیص و مکان یابی پلاک ها در مغز تعیین کنیم.
توضیح داده ها
به منظور اجرای این مسابقه 75 تصویر MRI از بیماران ام اس تهیه شده است. تصویربرداری با دستگاه MRI (Siemens company, Germany, 1.5 Tesla MRI Siemens Avanto scanner system Siemens, Henkestr Erlangen) انجام شده است. بیمار به حالت خوابیده روی تخت قرار گرفته و سر بیمار برای تصویربرداری در یک سیم پیچ دوازده کانالی قرار گرفته و تصویر تهیه شده است. تصاویر به دست آمده دارای فرمت NIFTI و ابعاد 236 در 256 در 160 می باشند.
در مرحله اول مجموعه داده آموزش شامل 55 تصویر در اختیار شرکت کنندگان قرار می گیرد. شرکت‌کنندگان باید مدلی را برای تشخیص پلاک‌های مغز در در نواحی پری ونتریکولار، اینفراتنتوریال، ، ماده سفید و Juxtacortical آموزش دهند. در مرحله دوم 20 داده آزمون باقیمانده در اختیار گروه ها قرار می گیرد و تصاویر ماسک از آن ها دریافت می شود. معیارهای ارزیابی کمی و کیفی برای بررسی ماسک های به دست آمده در نظر گرفته می شود و مدل های برتر مشخص میشوند.
خروجی های مورد انتظار
– ماسک برای پلاک های موجود در هر تصویر (نشان دهنده وجود ماسک با برچسب ناحیه ماسک مشابه تصاویر اموزش)
– کد توسعه داده شده برای حل چالش همراه با اسکریپت اجرایی
– فایل توصیف تکنیکی حاوی شرح کامل روش پیاده سازی، الگوریتم پیشنهادی و نتایج به دست آمده
– یک ویدئوی 5 دقیقه ای شامل توضیح کد و اجرا