wasserth/TotalSegmentator

解决的问题

TotalSegmentator 旨在自动化 CT 和 MR 图像中解剖结构的分割。它消除了在医学影像中手动识别和勾画器官、骨骼及其他组织的工作量，提供了一个在不同扫描仪、机构和协议之间均能稳健运行的可靠工具。

工作原理

基于 nnU-Net 框架，该工具使用在大量 CT 和 MR 图像数据集（包括超过 1,200 例 CT 受试者和 600 例 MR 受试者）上训练的深度学习模型。用户可输入 Nifti 文件或 DICOM 切片，工具将根据所选任务（例如默认的 total 任务，支持 117 个类别）预测特定解剖结构的位置和体积。

适用人群

主要面向需要从医学影像中提取解剖学数据用于分析的医学研究人员和放射科医生，但明确指出该工具不适用于临床医疗用途，非医疗设备。

主要亮点

• 广泛的解剖结构覆盖：支持多种专业任务中的大量结构，包括肺血管、椎骨、肝段和脑结构。
• 跨模态支持：可在 CT 和 MR 图像上运行。
• 身体统计信息预测：能够从图像中预测身高、体重、年龄和性别。
• 灵活部署：支持在 Ubuntu、Mac（MPS 支持）和 Windows 上运行，可使用 CPU 或 GPU。
• 集成能力：作为 3D Slicer 扩展提供，并可通过多种 Web 应用程序用于特定报告（例如主动脉直径或脊柱报告）。