{"id":4295,"date":"2025-02-07T23:14:36","date_gmt":"2025-02-07T22:14:36","guid":{"rendered":"https:\/\/ai4healthcro.eu\/?post_type=ht_kb&#038;p=4295"},"modified":"2025-02-07T23:14:37","modified_gmt":"2025-02-07T22:14:37","slug":"struktura-ai4health-cro-inovacijskog-natjecanja-2025","status":"publish","type":"ht_kb","link":"https:\/\/ai4healthcro.eu\/?ht_kb=struktura-ai4health-cro-inovacijskog-natjecanja-2025","title":{"rendered":"Struktura AI4Health.Cro inovacijskog natjecanja 2025"},"content":{"rendered":"\n<p>Natjecanje se odvija u dva kruga, pri \u010demu \u0107e u prvom krugu natjecateljima biti dostupni javni podaci i pristup Internetu, a u drugom krugu se o\u010dekuje rad na hrvatskim podacima unutar sigurnog ra\u010dunalnog okru\u017eenja (vidi poglavlje Sigurno ra\u010dunalno okru\u017eenje). Prvi krug nije eliminacijski tj. svi timovi imaju pravo pristupa drugom krugu, a kona\u010dni pobjednik odre\u0111uje se na kraju 2. kruga natjecanja.&nbsp;<\/p>\n\n\n\n<p>Tema natjecanja je rije\u0161iti dva prediktivna problema: 1.) na temelju mamografskih snimaka utvrditi potrebu za daljnjom medicinskom obradom te 2.) na mamografskim slikama detektirati i lokalizirati suspektne lezije (vidi poglavlje Labele za 2. zadatak). Dodatno, od timova se o\u010dekuje da interpretiraju predlo\u017eena rje\u0161enja, razviju prototip korisni\u010dkog su\u010delja nu\u017enog za kori\u0161tenje rje\u0161enja u klini\u010dkoj praksi i opi\u0161u potencijal za komercijalizaciju inovacije.<\/p>\n\n\n\n<h1 class=\"wp-block-heading\">KRUGOVI NATJECANJA<\/h1>\n\n\n\n<p>Razvoj rje\u0161enja se odvija na udaljenom ra\u010dunalu, pri \u010demu se u oba kruga natjecanja timovi spajaju na isto radno okru\u017eenje. Razlika izme\u0111u prvog i drugog<\/p>\n\n\n\n<p>Prvi krug natjecanja traje od 5. 2. 2025. &#8211; 28. 2 .2025. U prvom krugu natjecatelji postavljaju svoje radno okru\u017eenje na udaljenom ra\u010dunalu, pri \u010demu im je omogu\u0107en pristup Internetu i na raspolaganju im je javno dostupan podatkovni set.&nbsp; Natjecatelji imaju slobodu u radnom okru\u017eenju postavljati alate i pakete po vlastitom izboru, imaju\u0107i na umu licencna ograni\u010denja. Nakon zavr\u0161etka prvog kruga natjecanja organizirat \u0107e se Meetup koji \u0107e predstaviti na\u010din bodovanja natjecatelja, a Drugi krug natjecanja po\u010dinje nakon Meetupa i traje do- 24. 3. 2025. U drugom krugu \u0107e biti onemogu\u0107eni pristup Internetu s udaljenog ra\u010dunala i prijenos podataka izme\u0111u lokalnog i udaljenog ra\u010dunala. Natjecatelji rade u sigurnom ra\u010dunalnom okru\u017eenju i na raspolaganju im je anonimiziran skup hrvatskih podataka.<\/p>\n\n\n\n<h1 class=\"wp-block-heading\">ZADACI NATJECANJA I NJIHOVA RELATIVNA TE\u017dINA PRI BODOVANJU<\/h1>\n\n\n\n<p>Na kraju drugog kruga natjecanja, kona\u010dni poredak timova utvrdit \u0107e se bodovanjem ovih zadataka:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Predvi\u0111anje potrebe za daljnjom medicinskom obradom (\u201cprediktivni zadatak\u201d) &#8211; do 30 bodova<\/li>\n\n\n\n<li>Detekcija i lokalizacija suspektnih lezija &#8211; do 30 bodova<\/li>\n\n\n\n<li>Interpretacija ponu\u0111enih rje\u0161enja &#8211; do 20 bodova<\/li>\n\n\n\n<li>Prototip korisni\u010dkog su\u010delja i potencijal za komercijalizaciju inovacije &#8211; do 20 bodova<\/li>\n<\/ol>\n\n\n\n<p>Ocjene za Zadatke 1 i 2 temeljiti \u0107e se isklju\u010divo na prediktivnim metrikama rje\u0161enja (vidi poglavlje Evaluacija zadataka), dok \u0107e Zadatke 3 i 4 ocjenjivati stru\u010dno Povjerenstvo za ocjenu rje\u0161enja.<\/p>\n\n\n\n<h1 class=\"wp-block-heading\">Prvi krug AI4Health.Cro inovacijskog natjecanja 2025<\/h1>\n\n\n\n<p>Prvi krug namijenjen je za upoznavanje s ra\u010dunalnim okru\u017eenjem, te inicijalni razvoj modela za problem klasifikacije i lokalizacije lezija na mamografskim slikama. Korisnici se spajaju s RDP (<em>remote desktop protocol)<\/em> klijentom: korisnici Windows operativnog sustava mogu koristiti Remote Desktop Connection. Dok Linux korisnici mogu koristiti Remote Desktop. U okru\u017eenju korisnika mogu se isklju\u010divo koristiti <strong><em>open-source <\/em><\/strong><strong>softveri<\/strong> i javne biblioteke.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Podaci i definicija prediktivnih problema<\/h2>\n\n\n\n<p>Put do podataka nalazi se u \u201cdata_path.txt\u201d datoteci. Mamografske slike koje se nalaze u trening skupu su: <em>Cranio-Cauda <\/em>(CC) pogled<strong> &#8211; <\/strong>snimanje se izvodi odozgo prema dolje; <em>Medio-Lateral Oblique<\/em> (MLO) pogled &#8211; snimanje se izvodi pod kutom od cca 45\u00b0. Ovi se pogledi snimaju za lijevu i desnu dojku. Slike su dane u originalnoj veli\u010dini u .jpeg formatu <strong><em>H x W varijabilni<\/em><\/strong>. Javni skup podataka za prvi krug natjecanja sadr\u017ei oko 17000, dok lokalni (hrvatski izvor podataka) skup podataka za drugi krug natjecanja sadr\u017ei oko 35000. Skup podataka za prvi krug natjecanja je kreiran iz dostupnih podataka za istra\u017eivanje, te je stratifikacijski podijeljen na trening i test skup (cca 80% \/ 20%). Klasifikacijske ciljne labele su agregirana BI-RADS o\u010ditanja mamografskih slika jednog slu\u010daja.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">BI-RADS\u00ae (Breast Imaging Reporting and Data System)<\/h3>\n\n\n\n<p><strong>BI-RADS\u00ae (Breast Imaging Reporting and Data System)<\/strong> je standardizirani sustav koji omogu\u0107uje dosljednu interpretaciju i izvje\u0161tavanje nalaza snimanja dojke, uklju\u010duju\u0107i mamografiju, ultrazvuk (UZV) i magnetsku rezonanciju (MRI). Razvio ga je American College of Radiology (ACR) kako bi pobolj\u0161ao komunikaciju izme\u0111u radiologa i klini\u010dara, te olak\u0161ao odluke o daljnjoj dijagnostici i lije\u010denju.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Struktura BI-RADS sustava<\/h3>\n\n\n\n<p>BI-RADS sustav definira:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Terminologiju<\/strong> \u2013 standardizirani opisi lezija (npr. oblik, rubovi, gusto\u0107a).<\/li>\n\n\n\n<li><strong>Organizaciju nalaza<\/strong> \u2013 jasna struktura izvje\u0161taja kako bi se osigurala konzistentnost.<\/li>\n\n\n\n<li><strong>Sustav kategorizacije<\/strong> \u2013 razvrstavanje nalaza u BI-RADS kategorije kako bi se odredio klini\u010dki zna\u010daj i potreba za daljnjom obradom.<\/li>\n<\/ol>\n\n\n\n<h3 class=\"wp-block-heading\">BI-RADS kategorije<\/h3>\n\n\n\n<figure class=\"wp-block-table\"><table class=\"has-fixed-layout\"><tbody><tr><td><strong>Kategorija<\/strong><\/td><td><strong>Opis<\/strong><\/td><td><strong>Preporu\u010deno djelovanje<\/strong><\/td><\/tr><tr><td><strong>0<\/strong><\/td><td><strong>Nezaklju\u010dan nalaz<\/strong> \u2013 potrebne dodatne pretrage<\/td><td>Daljnja dijagnostika<\/td><\/tr><tr><td><strong>1<\/strong><\/td><td><strong>Negativan nalaz<\/strong> \u2013 nema znakova raka dojke<\/td><td>Rutinski probir<\/td><\/tr><tr><td><strong>2<\/strong><\/td><td><strong>Benigni nalaz<\/strong> \u2013 npr. ciste, fibroadenomi<\/td><td>Rutinski probir<\/td><\/tr><tr><td><strong>3<\/strong><\/td><td><strong>Vjerojatno benigno (&lt;2% rizika za malignost)<\/strong><\/td><td>Potreban uzv ili kontrolno mamografsko snimanje za 6 mjeseci<\/td><\/tr><tr><td><strong>4<\/strong><\/td><td><strong>Suspektni (2-95% rizika za malignost)<\/strong><\/td><td>Odmah potreba daljnja citolo\u0161ka ili patohistolo\u0161ka obrada kako bi se dokazala priroda prikazane promjene<\/td><\/tr><tr><td><strong>5<\/strong><\/td><td><strong>Vrlo suspektno (&gt;95% rizika za malignost)<\/strong><\/td><td>Odmah potrebno upu\u0107ivanje kirurgu<\/td><\/tr><tr><td><strong>6<\/strong><\/td><td><strong>Dokazan rak dojke (patolo\u0161ki potvr\u0111en)<\/strong><\/td><td>Daljnje onkolo\u0161ko lije\u010denje<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n<h3 class=\"wp-block-heading\">Podatci za 1. zadatak klasifikacije grupiranih BI-RADS&nbsp;<\/h3>\n\n\n\n<p>Problem predvi\u0111anja klasifikacije lezija na mamografskim slikama predstavljen je kao vi\u0161eklasni problem s 4 klase. Labele svakog pojedinog medicinskog slu\u010daja, 4 slike pacijentice s pojedinog snimanja, temelje se na BI-RADS klasifikaciji radiolo\u0161kog nalaza. Gdje su klase koje zahtijevamo da natjecatelji predvide pomo\u0107u klasifikatora:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>C0 =&gt;&nbsp; {BI-RADS=0} Uklju\u010duje nalaze koji zahtijevaju dodatnu dijagnosti\u010dku metodu<\/li>\n\n\n\n<li>C1 =&gt; {BI-RADS=1, BI-RADS=2} Uklju\u010duje Uklju\u010duje nalaze koje nemaju lezije ili imaju<br>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; benigne lezije te nije potrebno raditi dodatne pretrage,&nbsp;<\/li>\n\n\n\n<li>C2 =&gt; {BI-RADS=3} Uklju\u010duje nalaze koji imaju lezije, ali ih potrebno pratiti, provjeriti<br>&nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; &nbsp; ponavljanjem pretrage,<\/li>\n\n\n\n<li>C3 =&gt; {BI-RADS=4, BI-RADS=5} Uklju\u010duje nalaze koji se \u0161alju na biopsiju<\/li>\n<\/ul>\n\n\n\n<h3 class=\"wp-block-heading\">Labele za 2. zadatak &#8211; lokalizacija lezije (do 30 bodova)&nbsp;<\/h3>\n\n\n\n<p>Za definiranje BI-RADS klasifikacije, radiolozi o\u010ditavaju mamografski nalaz i prema BI-RADS atlasu opisuju lezije koje uo\u010davaju na slikama, te dodjeljuju BI-RADS score. Osjetljivost postupka otkrivanja raka radiolo\u0161kim postupkom je oko 75 % (individualno) odnosno &gt; 80% (&gt;=2 radiologa)\u200b. Lezije koje se nalaze u podatkovnom skupu su suspektne lezije:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Masa<\/li>\n\n\n\n<li>Suspektna kalcifikacija<\/li>\n\n\n\n<li>Fokalna asimetrija<\/li>\n\n\n\n<li>Arhitekturalna distorzija&nbsp;<\/li>\n\n\n\n<li>Suspektni limfni \u010dvor&nbsp;<\/li>\n\n\n\n<li>Ostalo \u2013 (asimetrije, globalne asimetrije, retrakcija ko\u017ee, retrakcija bradavice, zadebljanje ko\u017ee)<\/li>\n<\/ol>\n\n\n\n<p>Multi-label semanti\u010dka segmentacija prepoznavanje suspektnih lezija. Gold standard anotacije su pravokutnici. Ukupno anotiranih podataka ~ 5000 (javni podaci).&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Evaluacija zadataka<\/h2>\n\n\n\n<p>Natjecatelji rje\u0161avaju 4 zadatka:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Prediktivni zadatak (do 30 bodova) &#8211; predikcija BI-RADS ocjena mamografskih slika<\/li>\n\n\n\n<li>Lokalizacija lezije (do 30 bodova) &#8211; prepoznavanje uzorka suspektnih lezija na mamografskim slikama Multi-label Semantic Segmentation<\/li>\n\n\n\n<li>Interpretacija (do 20 bodova) &#8211; opis razvoja i prediktivnog modela i obja\u0161njenje lokalizacije<\/li>\n\n\n\n<li>Prototip korisni\u010dkog su\u010delja (do 20 bodova) &#8211; prototip aplikacije za interaktivnu analizu mamografskih snimaka<\/li>\n<\/ol>\n\n\n\n<p>Ocjene za Zadatke 1 i 2 temelje se isklju\u010divo na prediktivnoj metrici rje\u0161enja, dok \u0107e Zadatke 3 i 4 ocjenjivati Povjerenstvo za ocjenu rje\u0161enja.<\/p>\n\n\n\n<p>U prvom krugu natjecanja timovi mogu evaluirati maksimalno 5 preliminarnih rje\u0161enja za 1. i 2. Zadatak.&nbsp;<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Mjere za 1. Prediktivni Zadatak (30 bodova)<\/h3>\n\n\n\n<p>Evaluacija rje\u0161enja multi-class prediktivnog modela zadatka 1. temelji se na macro-average MCC mjeri:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Ljestvica rezultata ujedno i glavna mjere bodovanja 1. Zadatka vi\u0161eklasni (macro) Mathew\u2019s correlation coefficient (MCC)&nbsp;<\/li>\n\n\n\n<li>Kao dodatnu informaciju natjecatelji \u0107e zaprimiti i i (macro-average preko svih klasa) povr\u0161inu ispod ROC krivulje (Area Under ROC Curve &#8211; AU ROC), macro F1, <em>Imbalanced Multiclass Classifcation Performance <\/em>(IMCP), po klasi Precision, Recall i MCC&nbsp; na validacijskom podskupu evaluacijskog skupa podataka.<\/li>\n<\/ul>\n\n\n\n<p>&nbsp;Definicija MCC za binarni klasifikacijski problem:<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img fetchpriority=\"high\" decoding=\"async\" width=\"624\" height=\"88\" src=\"https:\/\/ai4healthcro.eu\/wp-content\/uploads\/2025\/02\/mcc-3133375094.png\" alt=\"\" class=\"wp-image-4299\" srcset=\"https:\/\/ai4healthcro.eu\/wp-content\/uploads\/2025\/02\/mcc-3133375094.png 624w, https:\/\/ai4healthcro.eu\/wp-content\/uploads\/2025\/02\/mcc-3133375094-300x42.png 300w, https:\/\/ai4healthcro.eu\/wp-content\/uploads\/2025\/02\/mcc-3133375094-50x7.png 50w\" sizes=\"(max-width: 624px) 100vw, 624px\" \/><\/figure>\n\n\n\n<p>Definicije IMCP i MCC mogu se detaljnije prou\u010diti u ni\u017ee navedenoj literaturi:<\/p>\n\n\n\n<p><a href=\"https:\/\/www.nature.com\/articles\/s41598-024-61365-z#:~:text=In%20this%20study%2C%20we%20introduce%20the%20Imbalanced%20Multiclass,contrast%20to%20accuracy%20or%20F%20%20%28_beta%29%20-score%29\">(IMCP) Classification performance assessment for imbalanced multiclass data<\/a><\/p>\n\n\n\n<p><a href=\"https:\/\/bmcgenomics.biomedcentral.com\/articles\/10.1186\/s12864-019-6413-7\">(MCC) The advantages of the Matthews correlation coefficient (MCC) over F1 score and accuracy in binary classification evaluation<\/a>&nbsp;<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Mjere za 2. Zadatak lokalizacija lezija (30 bodova) &#8211; multi-label semanti\u010dka segmentacija&nbsp;<\/h3>\n\n\n\n<p>Uspje\u0161nost lokalizacije je srednja vrijednost tri razli\u010dite mjere:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Multi-label klasifikacija lezija na pojedinoj slici &#8211; macro-average MCC,<\/li>\n\n\n\n<li>IoU &#8211; preko multi-label maski lezija po svakoj slici&nbsp;<\/li>\n\n\n\n<li>IoU &#8211; preko zdru\u017eene maske svih lezija na slici .<\/li>\n<\/ol>\n\n\n\n<p>Ljestvica rezultata i uspje\u0161nosti za drugi zadatak je sa\u010dinjena od navedenih mjera te&nbsp;<\/p>\n\n\n\n<p>Kao dodatnu informaciju natjecatelji \u0107e zaprimiti i&nbsp; (macro-average) povr\u0161inu ispod ROC krivulje, macro F1, te (za svaku klasu) i Precision, Recall i MCC i to na a validacijskom podskupu evaluacijskog skupa podataka.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Interpretacija (do 20 bodova)<\/h3>\n\n\n\n<p>Cilj ovog zadatka je napraviti pisani izvje\u0161taj s opisom razvoja prediktivnih modela iz prvog i drugog zadatka. Ocjenjivat \u0107e se analiti\u010dke sposobnosti tima i kvaliteta izvje\u0161taja koji mora uklju\u010divati sljede\u0107e elemente:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Analiza podatkovnog skupa i obja\u0161njenje razvoja prediktivnih modela iz prvog i drugog zadatka. Opis cjelokupnog procesa modeliranja, uklju\u010duju\u0107i pred procesiranje, odabir i podataka, uzorkovanja, u\u010denje modela i evaluacije.<\/li>\n\n\n\n<li>Dokumentacija programskog koda i ponovljivost svih rezultata.<\/li>\n\n\n\n<li>Prezentacija i interpretacija svih rezultata, kvalitete rje\u0161enja i njene potencijalne primjene u stvarnom svijetu.<\/li>\n<\/ul>\n\n\n\n<p>Pisani izvje\u0161taj ocjenjuje tim organizatora natjecanja prema unaprijed definiranim kriterijima.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Prototip korisni\u010dkog su\u010delja (do 20 bodova)<\/h3>\n\n\n\n<p>Cilj ovog zadatka je proizvesti prototip aplikacije za interaktivnu analizu mamografskih snimaka koja koristi prediktivne modele razvijene u prvom i drugom zadatku. Prototip aplikacije mora sadr\u017eavati korisni\u010dko su\u010delje (Web based) koja bi se potencijalno mogla koristiti u bolni\u010dkom okru\u017eenju i mora sadr\u017eavati sljede\u0107e elemente:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>ozna\u010davanje potencijalnih suspektnih lezija na mamografskim slikama<\/li>\n\n\n\n<li>procjenu BI-RADS ocjene<\/li>\n\n\n\n<li>procjenu nesigurnosti predikcija kori\u0161tenjem vlastitog razvijenog modela<\/li>\n<\/ul>\n\n\n\n<p>Prototip aplikacije se mo\u017ee razvijati i na vlastitom ra\u010dunalnom okru\u017eenju koriste\u0107i javno dostupne podatke.<\/p>\n\n\n\n<p>Prototip aplikacije ocjenjuje tim organizatora natjecanja prema unaprijed definiranim kriterijima. Sve kriterije bodovanja objaviti \u0107emo na Meetup doga\u0111anju nakon zavr\u0161etka 1. faze natjecanja.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Slanje rezultata<\/h2>\n\n\n\n<p>Natjecateljski modeli i skripte se u oba kruga natjecanja prenose u \u201csubmission\u201d mapu unutar okru\u017eenja korisnika. Sama predaja rje\u0161enja sastoji se od kopiranja skripti modela i coda unutar su\u010delja natjecatelja kojem se pristupa putem RDP u predodre\u0111eni submission direktorij te nakon \u0161to se aktivira \u201cevaluator\u201d naredba kroz terminal Organizatori natjecanja preuzimaju kod i izvr\u0161avaju va\u0161 submission.py. Primjer rje\u0161enja koje bi se trebalo kopirati u submission folder nalazi se u mapi\/direktoriju submission-example. Evaluacijske mjere ra\u010dunaju se za prva dva zadatka natjecanja. Svaki submission treba sadr\u017eavati model za predikcije u okviru oba zadatka: klasifikacijski i lokalizacijski.&nbsp;<\/p>\n\n\n\n<p>Korisnici mogu predati najvi\u0161e jedno rje\u0161enje dnevno, te maksimalno 5 preliminarnih rje\u0161enja tijekom prvog kruga natjecanja. Trenuta\u010dni poredak timova na osnovu preliminarnih rje\u0161enja, za zadatak (i) i (ii) bit \u0107e vidljiv tijekom Natjecanja na web stranici Natjecanja (\u201cLjestvica rezultata (leaderboard)\u201d). Detaljne korisni\u010dke upute, kao i <em>template<\/em> za predaju rje\u0161enja objavit \u0107e se u trenutku starta evaluacije 11.2.<\/p>\n\n\n\n<p>Za anotaciju testnih primjera ne smije se koristiti ru\u010dno ozna\u010davanje, odnosno ljudsko predvi\u0111anje.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ograni\u010denje na broj evaluacija preliminarnih rje\u0161enja<\/h2>\n\n\n\n<p>Tijekom natjecanja natjecatelji mogu predati najvi\u0161e jedno rje\u0161enje dnevno. Ukupno u prvoj fazi natjecanja do najvi\u0161e 5 rje\u0161enja. Za preliminarna rje\u0161enja (poku\u0161aje) Organizator \u0107e vr\u0161iti evaluaciju rje\u0161enja na validacijskom podskupu testnog skupa (cca 50%). Za kona\u010dnu evaluaciju modela Organizatori \u0107e izvr\u0161iti evaluaciju na cjelokupnom testnom skupu podataka. Kona\u010dna rje\u0161enja na testnom skupu podataka moraju biti zaprimljena prije isteka roka za prvi krug Natjecanja.&nbsp;<\/p>\n\n\n\n<p>Za kona\u010dnu evaluaciju na testnom skupu koristit \u0107e se zadnje poslano rje\u0161enje Tima na testnom skupu!<\/p>\n\n\n\n<h1 class=\"wp-block-heading\">Sigurno ra\u010dunalno okru\u017eenje<\/h1>\n\n\n\n<p>U drugom krugu inovacijskog natjecanja koriste se sigurna ra\u010dunalna okru\u017eenja, natjecateljima se omogu\u0107ava pristup anonimiziranim hrvatskim podacima, ali im se onemogu\u0107ava prijenos podataka izme\u0111u lokalne i udaljene ma\u0161ine ali i obratno te na udaljenoj ma\u0161ini onemogu\u0107en je pristup internetu.&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Natjecanje se odvija u dva kruga, pri \u010demu \u0107e u prvom krugu natjecateljima biti dostupni javni podaci i pristup Internetu, a u drugom krugu se o\u010dekuje rad na hrvatskim podacima unutar sigurnog ra\u010dunalnog okru\u017eenja (vidi poglavlje Sigurno ra\u010dunalno okru\u017eenje). Prvi krug nije eliminacijski tj. svi timovi imaju pravo pristupa drugom krugu, a kona\u010dni pobjednik odre\u0111uje &hellip;<\/p>\n<p class=\"read-more\"> <a class=\"\" href=\"https:\/\/ai4healthcro.eu\/?ht_kb=struktura-ai4health-cro-inovacijskog-natjecanja-2025\"> <span class=\"screen-reader-text\">Struktura AI4Health.Cro inovacijskog natjecanja 2025<\/span> Read More &raquo;<\/a><\/p>\n","protected":false},"author":4,"comment_status":"open","ping_status":"closed","template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","_bbp_topic_count":0,"_bbp_reply_count":0,"_bbp_total_topic_count":0,"_bbp_total_reply_count":0,"_bbp_voice_count":0,"_bbp_anonymous_reply_count":0,"_bbp_topic_count_hidden":0,"_bbp_reply_count_hidden":0,"_bbp_forum_subforum_count":0,"site-sidebar-layout":"default","site-content-layout":"default","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","footnotes":""},"ht-kb-category":[78,30],"ht-kb-tag":[],"class_list":["post-4295","ht_kb","type-ht_kb","status-publish","format-standard","hentry","ht_kb_category-ai4health-cro-inovacijsko-natjecanje-2025","ht_kb_category-events-and-news-2"],"_links":{"self":[{"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=\/wp\/v2\/ht-kb\/4295","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=\/wp\/v2\/ht-kb"}],"about":[{"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=\/wp\/v2\/types\/ht_kb"}],"author":[{"embeddable":true,"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=4295"}],"version-history":[{"count":2,"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=\/wp\/v2\/ht-kb\/4295\/revisions"}],"predecessor-version":[{"id":4300,"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=\/wp\/v2\/ht-kb\/4295\/revisions\/4300"}],"wp:attachment":[{"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=4295"}],"wp:term":[{"taxonomy":"ht_kb_category","embeddable":true,"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fht-kb-category&post=4295"},{"taxonomy":"ht_kb_tag","embeddable":true,"href":"https:\/\/ai4healthcro.eu\/index.php?rest_route=%2Fwp%2Fv2%2Fht-kb-tag&post=4295"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}