mlmed/torchxrayvision

What it solves

TorchXRayVision 은 흉부 X‑ray 데이터셋과 딥러닝 모델 작업을 간소화합니다. 연구자가 임상 질문을 위해 모델을 처음부터 학습할 필요를 없애고, 메타데이터 형식이 서로 다른 여러 외부 데이터셋에 걸쳐 모델을 평가할 수 있는 통합 인터페이스를 제공합니다.

How it works

이 라이브러리는 다양한 공개 흉부 X‑ray 데이터셋에 대해 공통 전처리 파이프라인과 표준화된 인터페이스를 제공합니다. 주로 DenseNet121 및 ResNet50 기반의 사전 학습 모델을 포함하며, 분류, 표현 학습, 해부학적 분할에 활용할 수 있고, 특징 추출을 위한 사전 학습 오토인코더도 제공합니다.

Who it’s for

대규모 데이터셋의 빠른 분석, few‑shot 학습을 위한 특징 재사용, 혹은 서로 다른 데이터 소스 간 모델 일반화 성능을 견고하게 평가하고자 하는 의료 영상 연구자 및 AI 개발자를 위한 도구입니다.

Highlights

• Pre-trained Models: NIH, CheXpert, MIMIC‑CXR 등 다양한 코호트에서 학습된 모델에 접근하여 베이스라인이나 특징 추출기로 활용할 수 있습니다.
• Unified Dataset Interface: 한 줄의 코드로 데이터셋을 교체하고, 병합·필터링을 통해 분포 변화를 연구할 수 있습니다.
• Anatomical Segmentation: 흉부 X‑ray에서 14가지 해부학적 구조를 분할하는 사전 학습 모델을 제공합니다.
• Pathology Masks: RSNA, SIIM 등 데이터셋의 병리별 마스크를 지원하여 보다 정밀한 분석이 가능합니다.
• Distribution Shift Tools: CovariateDataset 등 도구를 사용해 공변량 시프트와 모델 일반화 실패를 시뮬레이션하고 연구할 수 있습니다.