Bone Age Crop

🚀 トランスフォーマー

このモデルは、骨齢モデルの画像入力をより標準化するために、手のX線写真を切り抜きます。モデルは軽量なmobilenetv3_small_100バックボーンを使用し、正規化されたxywh座標を予測します。

このモデルは、RSNA Pediatric Bone Age Challengeの12,592枚の小児手のX線写真を80%/20%に分割して学習と検証を行いました。単一フォールド検証では、モデルは以下の平均絶対誤差（正規化座標）を達成しました。

x: 0.0152
y: 0.0121
w: 0.0261
h: 0.0213

🚀 クイックスタート

モデルの使用方法

import cv2
import torch
from transformers import AutoModel

model = AutoModel.from_pretrained("ianpan/bone-age-crop", trust_remote_code=True)
model = model.eval()
img = cv2.imread(..., 0)
img_shape = torch.tensor([img.shape[:2]])
x = model.preprocess(img)
x = torch.from_numpy(x).unsqueeze(0).unsqueeze(0)
x = x.float()

# if you do not provide img_shape
# model will return normalized coordinates
with torch.inference_mode():
  coords = model(x, img_shape)

# only 1 sample in batch
coords = coords[0].numpy()
x, y, w, h = coords
# coords already rescaled with img_shape
cropped_img = img[y: y + h, x: x + w]

DICOM画像の読み込み

pydicomがインストールされている場合、DICOM画像を直接読み込むこともできます。

img = model.load_image_from_dicom(path_to_dicom)

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。

🔧 技術詳細