Resencl OpenMind VoCo

🚀 OpenMind基準3D自監督學習模型

OpenMind基準3D自監督學習模型主要用於3D醫學影像數據的自監督學習，提供了多種預訓練模型，可用於下游的分割和分類任務。

🚀 快速開始

本倉庫託管了來自 OpenMind 基準的預訓練模型檢查點。這些模型基於論文 An OpenMind for 3D medical vision self-supervised learning 開發。

• 預訓練代碼庫：MIC-DKFZ/nnssl
• 數據集：AnonRes/OpenMind
• 下游（分割）微調：TaWald/nnUNet

✨ 主要特性

模型概述

本項目是首個針對 3D醫學影像 數據進行 自監督學習 (SSL) 的廣泛基準研究。每個模型都在 OpenMind 數據集 上使用特定的 SSL 方法進行了預訓練，該數據集是一個大規模、標準化的公共腦 MRI 數據集集合。

⚠️ 重要提示

不建議直接使用這些模型進行特徵提取。建議使用 微調倉庫 中的下游微調框架進行 分割 和 分類 任務的適配。雖然可以手動下載模型，但建議通過提供 Hugging Face 上的倉庫 URL 來使用微調倉庫的自動下載功能，而非使用本地檢查點路徑。

模型變體

我們發佈了兩種骨幹架構的 SSL 檢查點：

• ResEnc-L：基於 CNN 的編碼器 [a, b]
• Primus-M：基於 Transformer 的編碼器 [Primus 論文]

每個編碼器都使用以下 SSL 技術之一進行了預訓練：

📄 許可證

本項目採用 CC BY 4.0 許可證。