新能源赛道（点击可跳转下同）

为了满足EV用户的充电需求，充电场站的建设和管理成为一项重要任务。准确的需求电量预测有助于管理者合理分配电力资源，调整充电设备的安装容量，优化运营成本，并提供高质量的充电服务。

赛题将提供充电场站的历史用电量数据和与之相关的其他辅助信息，参赛者需要基于这些数据，利用机器学习、深度学习、时间序列等相关技术，建立预测模型来预测未来一段时间内的需求电量，帮助场站管理者做出明智的决策，优化充电场站的运营和效益，促进电动汽车行业的可持续发展，推动智慧能源解决方案的创新应用。

赛题题目：电动汽车充电站充电量预测

赛题任务：根据赛题提供的电动汽车充电站多维度脱敏数据，构造合理特征及算法模型，预估站点未来一周每日的充电量。（以天为单位）

智慧交通赛道

随着我国城市化和机动化进程的加快，交通系统的发展为日常出行和货物运输带来了极大的便利，但交通拥堵也成为城市交通治理难点之一,上下班高峰期导致频发的交通事故，“出行难”已经成为城市管理的普遍性难题。本赛题将人工智能技术应用于智慧交通领域，以改善交通拥堵问题。

赛题题目：人工智能在交通领域的应用

赛题任务

【初赛】依托无锡市滨湖区某路口电警卡口的多维脱敏数据，根据路口路况进行特征处理并构造算法模型，预测未来某天每5分钟的路口交通饱和度。

【复赛】根据无锡市快速路电警卡口的多维脱敏数据和电子地图数据，预测未来某天一段时间内通过快速路上的不同OD对之间的车辆流量。复赛分为A、B榜。

医疗卫生赛道

随着医学图像处理技术的不断发展，利用人工智能技术对甲状腺超声影像进行分割，可以提升医学自动化诊断准确性。本赛道聚焦于探索人工智能技术在甲状腺超声影像中的应用，实现智能辅助诊断。

赛题题目：人工智能技术在甲状腺超声影像中的应用

赛题任务

【初赛】参赛选手将通过像素级别的病灶分割，从甲状腺超声影像中准确定位并分割出甲状腺结节区域。以下是任务的具体步骤：

参赛选手搜集外部公开数据训练模型并根据提供的样例数据优化模型。代码中需包含FastAPI接口用以接收图像数据，并返回模型分割结果。最终需打包成Docker镜像并将镜像上传至阿里云镜像仓库（用以执行测试集的预测任务）。

注：使用 FastAPI 构建Web API时需要包含将图像以字节流（bytes）形式逐张读入和返回的相关处理。选手的代码组织形式需严格按照【初赛审核阶段提交说明】项目目录结构。

【复赛】在初赛的基础上，复赛将进行甲状腺结节的TI-RADS五个级别（见注3）的分级任务。选手需在数据工场平台训练模型，并对测试集进行类别预测。

注1：复赛数据集对选手不可见。

注2：选手可使用开源的预训练模型（需提交审核）。

注3：根据美国放射学会（ACR）甲状腺结节超声分级（TI-RADS）分级标准，结节的性质可以从五个方面进行评估，分别是成分（囊或实）、回声、形态（纵横比）、边缘、强回声，根据图像中是否包含相关的特征计算得分。将5项得分累加得到一个总分，最后划分为5个级别，每个级别代表了结节的不同风险程度。

智慧康养赛道

为推动智慧康养领域的发展与创新，致力于寻求大数据应用在医保控费上的新途径。通过控制医疗费用的不合理增长，旨在确保医保基金的安全和可持续性，同时为政策制定者提供更准确的医疗费用流向和资源利用情况，从而促进医疗资源的合理化运用，精细管理患者健康状况，预防疾病发生，最终降低医疗支出。

赛题题目：大数据助力医保控费

赛题任务

【初赛】选手需提交助力医保控费的创意方案书（格式为word或PDF），选手可利用大赛提供的数据或者结合外部数据进行方案设计，文件可以附带其他辅助性材料。由选手自行设计，组委会不提供模板。创意方案书需包含但不仅限于以下内容参考：方案背景介绍、方案内容设计、所涉技术剖析、数据使用说明、方案价值阐述等内容。

【复赛】选手需在初赛的基础上进一步完善方案，可结合初赛数据，并使用选手自行收集的外部数据对方案的实现思路进行验证。提交方案的同时，可提交作品DEMO，例如数据分析报告、算法模型代码、APP/小程序、网页或产品原型等其他辅助性材料。