MrGiovanni/SuPreM

What it solves

SuPreM は、3D 医療画像タスクの性能と効率を向上させるための、事前学習済み 3D モデルスイートと大規模アノテーション付きデータセット (AbdomenAtlas 1.1) を提供します。医療 AI において、教師あり事前学習は自己教師あり学習よりも効果的な場合が多いですが、そのための詳細なアノテーション付きの大規模なデータセットを入手することは困難です。SuPreM はその課題を解決します。

How it works

本プロジェクトは、主に 2 つのコンポーネントで構成されています：

1. AbdomenAtlas 1.1: 25 種の臓器のボクセル単位のアノテーションと、7 種の腫瘍タイプの擬似アノテーションを含む、9,262 個の CT ボリュームデータを含むデータセット。

2. SuPreM Models: AbdomenAtlas データセットで学習済み、広く認知されている 3D AI モデルのバックボーン (Swin UNETR, U-Net, U-Net, SegResNet) の事前学習済み重み。

ユーザーは、これらの事前学習済み重みを使用して、未知の CT ボリュームに対して直接推論 (inference) を行ったり、中期的な医療タスク (rustically) や、臓器、筋肉、脊椎、心臓、肋骨のセグメンテーション、または膵臓腫瘍の検出を行ったりするために、特定のダウンストリームタスクに合わせてモデルを微調整 (fine-tuning) することができます。

Who it’s for

3D ボリューム医療画像分析、特に CT スキャンにおける臓器・腫瘍セグメンテーションに注力している医療画像研究者および AI 開発者。

Highlights

• Large-Scale Supervised Pre-training: 9,000 個を超える CT ボリュームの詳細なアノテーション付きデータセットを活用し、3D 医療セグメンテーションの基盤を提供します。
• Multiple Backbone Support: Swin UNETR, U-Net, SegResNet の事前学習済み重みを提供します。
• Broad Transferability: 多臓器および腫瘍セグメンテーションを含む、さまざまなダウンストリームタスクにおいて有効性を実証しています。
• Integrated Dataset: 25 種の臓器の詳細なボクセル単位のアノテーションを含む AbdomenAtlas 1.1 データセットを含んでいます。