Resencl OpenMind VoCo

🚀 OpenMind Benchmark 3D SSL Models

このリポジトリは、3D医療画像データにおける自己教師付き学習（SSL）のための初の包括的ベンチマーク研究である「An OpenMind for 3D medical vision self - supervised learning」に基づく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、大規模で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](https://github.com/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

✨ 主な機能

このリポジトリの主な機能は、3D医療画像データに対する自己教師付き学習（SSL）モデルの事前学習済みチェックポイントを提供することです。各モデルは、特定のSSL手法を用いてOpenMind Datasetで事前学習されています。

📚 ドキュメント

概要

このリポジトリは、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).)
  (arXiv:2412.17041) は、3D医療画像データに対する**自己教師付き学習（SSL）**のための初の包括的ベンチマーク研究です。

各モデルは、大規模で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手法で事前学習されています。

これらのモデルは、特徴抽出のためにそのまま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および分類の適応のための下流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 paper]

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

このプロジェクトはCC - BY - 4.0ライセンスの下で公開されています。