其中，热身赛、排位赛从发放测试数据到提交共计两小时时间。而决赛阶段现场发放测试数据并展示需在10分钟内完成。决赛阶段比热身赛和排位赛更加紧张，在一定程度上排除了人工修订的可能性。

?

赛程跟进严谨透明：比赛的最终成绩综合考虑了队伍各个赛段的所有客观指标加权平均的结果，以及现场决赛各评委的主观测评成绩。会务组提前公布了各项目的计算量化指标，并公开了各赛段队伍的排名等信息，方便参赛团队验证排名的准确性。

此外，来自同济大学的伍谦、付巍、孙士晨、黄麒光和东北大学的王龙光、李小硕、黄培芳、周璐雨8位挑战赛助理，具备一定的医学专业知识和算法专业能力，对赛程全程跟进与监督，也为挑战赛的顺利进行提供了保障。

(三)?参赛团队实力雄厚，模型亮点频出

在本次比赛中，各参赛团队均展示出雄厚的算法实力，以及对临床问题的深度思考。针对脑部血肿CT影像分割中的数据标注不准确与分割模型选择难题，上海大学计算机工程与科学学院岳晓冬团队拓展改进已有CNN、Transformer分割模型，提出了基于全局上下文注意力的分割方法，并采用了多模型集成策略对血肿区域进行不确定性度量与分割，确保分割预测结果具有较好的鲁棒性与泛化性能，并在一定程度上弥补医生的标注缺失情况，在现场实时数据的测试中得到了各类专家的一致好评。

来自南方医科大学生物医学工程学院阳维团队在两个项目的比赛中均取得了好成绩。对于肺部?CT?解剖结构分割任务，他们提出采用多尺度和轻量级UNet分别解决细小血管分割、动静脉分割需要较大感受野等问题；对于头颅CT血肿分割与血肿量计算，采用nnUNet和nnFormer集成方式提升血肿区分割和血肿量估计精度，在各项指标中表现出众。

来自东北大学医学与生物信息工程学院齐守良团队秉承“one architecture fits all segmentation”的思想，基于3D-UNet模型实现肺部的肺叶，气道，血管，动静脉等的解剖结构分割。在模型decoder的部分采用深监督的方式，将不同分辨率的输出结果进行整合，从而生成模型的预测结果，在肺部各个解剖结构的分割任务中均取得了很好的效果。

2022年的ISICDM分割挑战赛将继续保持今年挑战赛的优点和特色，邀请更多算法专家和医生参与挑战赛的数据整理与发布，制定赛程和规则，以及担任挑战赛评委。相信随着更多专家学者的加入，明年的ISICDM挑战赛将会更加精彩，并有望促进相关技术的研发与落地。

附完整获奖名单：

文章来源：《实用医学杂志》 网址: http://www.syyxzzzz.cn/zonghexinwen/2021/1225/389.html