恒扬机器学习团队在Camelyon17挑战赛中斩获佳绩

墨尔本当地时间2017年4月18日，由ISBI-2017 IEEE生物医学成像国际研讨会上获悉，在Camelyon17乳腺癌淋巴结转移程度定级国际挑战赛中，由恒扬数据董事长、Semptian机器学习实验室主任陈龙森带队的恒扬机器学习团队，力战众多国际知名医学院校与机器学习顶尖机构联合组建的参赛团队，Kappa系数得分0.6831，在所有参赛队伍中，获得第13名的好成绩。

排名结果已在Camelyon17官方网站公布，详情公布于https://camelyon17.grand-challenge.org/resu

Camelyon国际挑战赛是一项由诊断图像分析组织（DIAG）和荷兰Radboud大学医学中心病理研究所联合发起的病理切片机器诊断国际大赛，大赛的宗旨是通过机器学习协助病理学专家对乳腺癌淋巴结切片进行癌转移的自动检测与分类，从而减少主观性诊断失误，将病理医生从繁重的工作中解脱出来。

Camelyon17是继Camelyon16之后组织的第二届赛事，据Camelyon官方网站统计，共有来自47个国家或地区的总共444个参赛队伍或个人注册参赛，其中参赛用户注册最多的前三个国家或地区分别是：美国110个，中国91个，印度37个。截至到2017年4月6号，组委会共收到来自23个参赛队伍提交的32份比赛结果。根据组委会的综合评判，来自哈佛医学院、麻省总医院和临床数据科学中心联合组建的团队获得所有参赛队伍中的第一名，Kappa系数得分0.8981。另外，来自埃因霍温理工大学和Indica实验室的团队分别获得第二、三名。

对于获得第13名的成绩，恒扬数据董事长、Semptian机器学习实验室主任陈龙森表示：恒扬数据机器学习团队是一支非常年轻的队伍，我们刚刚成立了3个月，从得知比赛到提交结果只有5个星期的时间，虽然第13名的成绩并不非常理想，但是能在这么短的时间内完成软件硬件算法等准备工作并取得这样的成绩还是非常了不起的，这确实给了我们莫大的欣喜和鼓舞。这份喜悦会激励着我们继续努力，不断进步。当然，和国际顶尖的参赛队伍相比，我们还有一定的差距，还有不少需要追赶和继续优化提升的空间。我们对机器学习的探索也不会就此止步，希望在不久的将来，我们的团队能在人工智能医疗领域取得更加辉煌的成绩，让更多临床医生体验到科技带来的便利和欣喜。我们还在进行进一步的研究，我们的成绩应当进入前五名。