Resencl OpenMind MAE

🚀 OpenMind Benchmark 3D SSL Models

このリポジトリは、3D医用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なベンチマーク研究である「An OpenMind for 3D medical vision self-supervised learning」の事前学習済みモデルを提供しています。

🚀 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。 📄 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) — 3D医用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な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データセットのコレクションであるOpenMind Dataset上で、特定のSSL手法を使用して事前学習されています。

⚠️ 重要提示

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と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を指定することで、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手法のいずれかを使用し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ライセンスの下で提供されています。