Railnet Tooth Segmentation In CBCT Image

🚀 牙頜CBCT圖像分割模型

本模型藉助 PytorchModelHubMixin 集成功能上傳至模型中心。它主要用於牙頜CBCT圖像的分割任務，能為醫學領域的牙齒分割提供高效準確的解決方案。

🚀 快速開始

本模型已通過 PytorchModelHubMixin 集成功能推送至模型中心：

• Hugging Face Space（現已開放）：
  https://huggingface.co/spaces/Tournesol-Saturday/railNet-tooth-segmentation-in-CBCT-image
• 代碼：https://github.com/Tournesol-Saturday/RAIL
• 論文：RAIL: Region-Aware Instructive Learning for Semi-Supervised Tooth Segmentation in CBCT

📦 安裝指南

克隆倉庫

使用以下命令克隆本倉庫：

git clone https://huggingface.co/Tournesol-Saturday/railNet-tooth-segmentation-in-CBCT-image
cd railNet-tooth-segmentation-in-CBCT-image

創建虛擬環境

使用以下命令創建虛擬環境以體驗我們的模型：

conda create -n railnet python=3.10
conda activate railnet
pip install -r requirements.txt
python gradio_app.py

💻 使用示例

基礎用法

1. 在當前工作目錄中，找到 example_input_file 文件夾。
2. 選擇該文件夾中的任意 .h5 文件，並將其拖入 Gradio 界面進行模型推理。
3. 等待約1分鐘至2分30秒，模型推理完成，將生成分割結果和3D渲染可視化。
4. 原始圖像和分割結果均以 .nii.gz 格式保存在同一目錄的 output 文件夾中。

高級用法

由於 Gradio 對3D分割可視化進行了1/2下采樣，分割精度會有所下降。用戶可以將 output 文件夾中的 .nii.gz 格式文件拖入 ITK-SNAP 軟件，以查看準確的分割可視化效果。

📄 許可證

本模型採用 Apache-2.0 許可證。