报名截止日期:3月25日th,2021年
比赛日期:3月27日th- 28th,2021年
协办单位:
扎姆斯Yejin Kim江全新课题,肖恩·萨维茨
2017年,在美国的780万名成年人报告中风幸存下来。中风而死亡人数有所下降,中风发病率和残疾的主要原因。到2030年,中风相关的成本预计将达到1830亿美元。尽管早期治疗,中风幸存者往往有严重的长期残疾包括身体和认知问题,需要不断的监测和护理社区。康复是必不可少的在受伤后很快恢复,开始当大脑尤其接受过程,可以提高修复。适当的数量、质量和时间的康复治疗是未知的优化结果和有效解决障碍。精确的预测功能和认知结果中风急性期是很重要的一个个性化的康复计划,改善病人之间的交流,家庭,和临床医生对可能的结果和期望。
Datathon的主题是让参与者竞争发展的算法来预测认知的变化和功能独立性测量(鳍)分数(18子类)在住院康复(区别承认FIM得分为每个子类和放电)。鱼翅分数是广泛使用在北美测量残疾。它包括十八子分类的评估项目,分为六个部分。鱼翅评估运动和认知功能,越来越鱼翅分数意味着功能改进而降低分数意味着减少患者的功能状态。
FIM得分为每个类别的范围从1到7的地方:
| 7 | 6 | 5 | 4 | 3 | 2 | 1 |
|---|---|---|---|---|---|---|
| 完全独立 | 修改后的独立 | 监督 | 最小的帮助 | 温和的援助 | 最大的帮助 | 总援助可测试的 |
客观的
参与者预计开发算法共同预测FIM得分在住院期间的变化在每个子类从入院到出院康复。
预测变量
预测变量包括连续和分类变量。投入了大量的精力在组织和清洁数据集,参与者预计能够使用新策略来处理缺失值的预测变量。
在这个机器学习的挑战,我们要求参与者建立模型(以正当的方式)和评估最终的性能,基于L1(曼哈顿)的距离
代表的实际和预测变化鱼翅分数(即。,子目录页)。如果有关系的表现,更多的会考虑模型的可解释性和识别预测变量的重要性,应该参与者的表现挂钩。
最终输出的例子:
| ID | Eating-Change | Bathing-Change | 记忆变化 | |||
|---|---|---|---|---|---|---|
| One hundred. | 5 | 7 | 1 | … | 3 | 2 |
| 101年 | 2 | 7 | 3 | 2 | 5 | |
| 102年 | 4 | 3 | 1 | 1 | 2 |
数据描述
训练数据是在一个CSV文件(train.csv)以以下格式:
标签包含18个鱼翅子类,学员要预测一个向量(18)的向量中的每个值代表承认FIM评分的差异为每个子类和放电。
由UTHealth总计1500美元
