A méhnyakrák a negyedik leggyakoribb ráktípus a nők körében világszerte, évente több mint 600 000 új esettel és több mint 300 000 halálesettel. A korai felismerés Papanicolaou-kenet (Pap-kenet) szűrés révén kulcsszerepet játszik a halálozás csökkentésében azáltal, hogy azonosítja a rákmegelőző elváltozásokat. Azonban a Pap-kenet minták hagyományos elemzési módszerei erőforrás- és időigényesek és nagymértékben függenek a citológusok szakértelmétől. Ezek a kihívások rámutatnak a méhnyakrák szűrés automatizálásának szükségességére, különösen az erőforrásokban korlátozott környezetekben.
A Pap-kenet Sejtosztályozási Kihívás (PS3C) a 22. IEEE ISBI 2025 Nemzetközi Konferencia Kihívásainak része, arra kéri fel a résztvevőket, hogy foglalkozzanak ezzel a kritikus orvosi képalkotási problémával: a Pap-kenetekből származó méhnyaksejt-képek automatizált osztályozásával. A legkorszerűbb gépi tanulási technikák alkalmazásával a résztvevők olyan modelleket fejleszthetnek, amelyek képesek a tesztképeket három kategória egyikébe besorolni:
- Egészséges: Normál sejtek, amelyekben nem figyelhetők meg rendellenességek.
- Egészségtelen: Rendellenes sejtek, amelyek potenciális kóros elváltozásokat jeleznek.
- Használhatatlan: Olyan képek, amelyek értékelésre alkalmatlanok a képek rossz minősége, vagy műtermékek nagy száma miatt.
A verseny részletei megtalálhatók a konferencia honlapján.
Szervezők:
- Kupás Dávid, Adattudomány és Vizualizáció Tanszék, Debreceni Egyetem
- Balázs Harangi, Adattudomány és Vizualizáció Tanszék, Debreceni Egyetem
- Spicher Nicolai, Orvosi Informatikai Intézet, Göttingeni Egyetem
- Péter Kovács, Numerikus Analízis Tanszék, Eötvös Loránd Tudományegyetem
- András Hajdu, Adattudomány és Vizualizáció Tanszék, Debreceni Egyetem
- Ilona Kovács, Patológia, Kenézy Gyula Klinikai Központ, Debreceni Egyetem