Resencl OpenMind SimCLR

🚀 OpenMind Benchmark 3D SSL Models

このリポジトリは、3D医用画像データの自己教師付き学習（SSL）に関する包括的なベンチマーク研究「OpenMind」の事前学習済みモデルを提供しています。これらのモデルは、大規模な標準化された公開脳MRIデータセットであるOpenMind Datasetを用いて事前学習されています。

🚀 クイックスタート

このリポジトリには、OpenMindベンチマークからの事前学習済みチェックポイントが含まれています。

• 論文: An OpenMind for 3D medical vision self-supervised learning
• チェックポイント作成に使用された事前学習コードベース: MIC-DKFZ/nnssl
• データセット: AnonRes/OpenMind
• 下流（セグメンテーション）の微調整: TaWald/nnUNet

📚 ドキュメント

概要

このリポジトリは、OpenMindベンチマークの事前学習済みチェックポイントをホストしています。

• 論文: An OpenMind for 3D medical vision self-supervised learning （Wald, T., Ulrich, C., Suprijadi, J., Ziegler, S., Nohel, M., Peretzke, R., ... & Maier-Hein, K. H. (2024).）
• これは、3D医用画像データの自己教師付き学習（SSL）に関する最初の包括的なベンチマーク研究です。

各モデルは、大規模な標準化された公開脳MRIデータセットであるOpenMind Datasetを用いて、特定のSSL方法で事前学習されています。

これらのモデルは、そのまま特徴抽出に使用することは推奨されません。 代わりに、適応リポジトリで利用可能な、セグメンテーションと分類の適応のための下流の微調整フレームワークを使用することをおすすめします。 手動でのダウンロードも可能ですが、ローカルのチェックポイントパスではなく、Hugging Face上のリポジトリURLを指定して、微調整リポジトリの自動ダウンロード機能を使用することをおすすめします。

モデルのバリエーション

2つのバックボーンアーキテクチャに対するSSLチェックポイントをリリースしています。

• ResEnc-L: CNNベースのエンコーダ [a, b]
• Primus-M: トランスフォーマーベースのエンコーダ [Primus論文]

各エンコーダは、以下のSSL手法のいずれかを用いて事前学習されています。

📄 ライセンス

このモデルはCC-BY-4.0ライセンスの下で提供されています。