MrGiovanni/SuPreM

What it solves

SuPreM은 3D 의료 영상 작업의 성능과 효율성을 높이기 위해 사전 훈련된 3D 모델 제품군과 대규모 레이블링된 데이터셋(AbdomenAtlas 1.1)을 제공합니다. 의료 AI에서 자기 지도 학습보다 효과적인 경우가 많은 감독 학습 사전 훈련을 위해 상세한 레이블링이 된 대규모 데이터셋을 확보하는 데 따르는 어려움을 해결합니다.

How it works

이 프로젝트는 두 가지 주요 구성 요소로 구성됩니다:

1. AbdomenAtlas 1.1: 25개 장기 및 7가지 유형의 종양에 대한 복셀(per-voxel) 레이블링이 포함된 9,262개의 CT 볼륨 데이터셋입니다.

2. SuPreM Models: AbdomenAtlas 데이터셋으로 학습된 Swin UNETR, U-Net, SegResNet 등 널리 알려진 3D AI 모델 백본(backbones)의 사전 훈련된 가중치 모음입니다.

사용자는 이 사전 훈련된 가중치를 사용하여 보이지 않는 CT 볼륨에 대해 직접 추론(inference)을 수행하거나, 장기, 근육, 척추, 심장, 갈비뼈 분할 또는 췌장 종양 검출과 같은 특정 다운스트림 의료 작업에 맞춰 모델을 미세 조정(fine-tuning)합니다.

Who it’s for

3D 볼륨 의료 영상 분석, 특히 CT 스캔의 장기 및 종양 분할에 집중하는 의료 영상 연구자 및 AI 개발자.

Highlights

• Large-Scale Supervised Pre-training: 9,000개 이상의 CT 볼륨에 대한 정밀한 레이블링된 데이터셋을 활용하여 3D 의료 영상 분할의 기초를 제공합니다.
• Multiple Backbone Support: Swin UNETR, U-Net, SegResNet의 사전 훈련된 가중치를 제공합니다.
• Broad Transferability: 다장기 및 종양 분할을 포함한 다양한 다운스트림 작업에서 효과성을 입정증합니다.
• Integrated Dataset: 25개 장기에 대한 상세한 복셀(per-voxel) 레이블링이 포함된 AbdomenAtlas 1.1 데이터셋을 포함합니다.