赛题业务场景：描述赛题相关的真实企业业务背景。从真实场景中，适当简化或者提炼出适合比赛的赛题场景

医学影像是临床疾病诊断的重要方式，高效精准的从影像中识别出器官结构或病变，是医学影像学中重要的课题，其中，3D影像能够更直观地辅助医生提升诊断效率。然而，医疗影像的读片工作对专业知识要求高，工作繁重且重复性较高，常常仅能由专业的影像科医生完成。随着深度学习技术的发展，我们看到了使用AI技术辅助医生快速分析阅片、减轻阅片工作负担的可能性，电梯。

为更好满足医疗从业者快速构建医疗识别模型及高效进行图像分析的需求，参赛选手需利用深度学习和软件开发技术实现以下两部分内容：

1、算法部分：要求选手基于PaddlePaddle，在官方指定数据集上进行打榜，实现在验证集上，给定任一3D医疗数据，准确地完成医学数据的分割任务。 

2、软件部分：要求选手实现基于WEB的3D医疗数据解析平台，其中包含医疗数据的导入、分割、可视化和数据分析功能四大基础功能，且飞桨模型可在本地或云端部署进行推理。选手可设计更多相关场景的附加功能，通过稳定的软件功能和优秀的人机交互，为非AI专业人员提供良好用户体验。

无

实现条件：开发环境、实验平台、开发语言、数据库、编译器、涉及硬件等实现条件

要求选手基于PaddlePaddle进行深度学习模型的训练与部署。部署用的模型可与打榜用的模型不一致。

测试数据或平台：提供给参赛者的测试环境和测试数据

AI Studio模型评测环境

开发所需设备及设备指标需求说明

无

近期公布

算法部分（20%）：本次比赛要求选手将算法结果/模型提交至AI Studio进行自动评测；

软件部分（80%）：本次比赛要求选手基于web技术实现：

1、3D数据读取与推理：包括导入数据、加载模型和分割预测；（20%）。

2、预测展示；（30%）

3、数据分析：包括测量、计数、自定义数据分析和统计结果展示；（20%）

4、其他创新附加功能。（10%）

初赛作品提交要求

预选赛提交最终的预测结果，提交结果中包含测试集的预测结果，文件格式为.ii.gz。

区域赛与总决赛提交：（1）项目概要介绍;  （2）项目简介 PPT;  （3）项目详细方案;  （4）项目演示视频（7分钟之内）;  （5）企业要求提交的材料：  ①完整可交互的软件系统；  ②系统设计文档；  ③软件交互录屏与解说视频；  ④备赛历程中的飞桨学习路线与心得等。