MrGiovanni/AbdomenAtlas

해결하는 문제

AbdomenAtlas는 대규모 의료 영상 데이터셋을 수동으로 레이블링하는 데 드는 극도로 높은 시간과 노동력 비용을 해결합니다. 구체적으로, 8,448개의 CT 볼륨(320만 슬라이스)에 다기관 레이블링을 포함한 대규모 데이터셋을 제공하며, 이와 같은 데이터 양의 레이블링에 일반적으로 소요되는 약 30.8년을 단 3주로 단축합니다.

작동 방식

본 프로젝트는 AI 모델과 인간의 협업을 통한 레이블링 방법을 활용하여 프로세스를 가속화합니다. 여러 공개 CT 데이터셋에서 훈련된 Swin UNETR 및 U-Net 아키텍처의 사전 훈련된 체크포인트를 제공합니다. 사용자는 이러한 모델을 이용해 가상 레이블을 생성한 후, 우선순위 시스템(원본 > 수정됨 > 가상)에 따라 원본 레이블, 인간이 수정한 레이블과 함께 조합합니다.

대상 사용자

복부 장기 세그멘테이션 및 영상의학 분야의 전이 학습에 집중하는 의료 영상 연구자 및 AI 개발자.

주요 특징

• 대규모 규모: 비장, 간, 신장, 위, 담낭, 췌장, 대동맥, 하대정맥 등 여러 장기에 대한 8,448개의 CT 볼륨에 대한 레이블링 포함.
• 효율적인 레이블링: 일반적으로 수십 년이 걸리는 수작업을 단 3주 만에 완료하는 방법 제공.
• 사전 훈련된 모델: 즉시 세그멘테이션 작업에 사용 가능한 U-Net 및 Swin UNETR 체크포인트 제공.
• 액티브 러닝 지원: 인간 레이블러를 안내하기 위한 주의 맵 생성 기능을 옵션으로 제공.