MrGiovanni/AbdomenAtlas

何を解決するか

AbdomenAtlasは、大規模な医療画像データセットの手動アノテーションに伴う極めて高い時間と労力コストを解決します。具体的には、8,448件のCTボリューム（320万スライス）に多臓器アノテーションを含む大規模データセットを提供し、そのようなデータ量のアノテーションに通常かかる30.8年をわずか3週間に短縮します。

仕組み

本プロジェクトは、AIモデルと人間の協働によるアノテーション手法を採用し、プロセスを加速しています。複数の公開CTデータセットで訓練されたSwin UNETRおよびU-Netアーキテクチャの事前学習済みチェックポイントを提供しています。ユーザーはこれらのモデルを使って擬似ラベルを生成し、優先順位システム（オリジナル > 修正済み > 擬似）に基づいて、元のアノテーションと人間による修正ラベルと組み合わせます。

対象ユーザー

腹部臓器のセグメンテーションおよび放射線学における転移学習に注力する医療画像研究者およびAI開発者。

特徴

• 大規模スケール: 脾臓、肝臓、腎臓、胃、胆嚢、膵臓、大動脈、下大静脈など複数の臓器を対象とした8,448件のCTボリュームにアノテーションを含む。
• 効率的なアノテーション: 通常数十年かかる手作業を、わずか3週間で完了する手法を採用。
• 事前学習モデル: 即座にセグメンテーションタスクに使えるU-NetおよびSwin UNETRのチェックポイントを提供。
• アクティブラーニング対応: 人間のアノテーターを支援するための注目マップ生成機能をオプションで提供。