Resencl OpenMind MAE

🚀 OpenMind基准3D自监督学习（SSL）模型

本项目提供了一系列用于3D医学影像的自监督学习（SSL）预训练模型。这些模型基于OpenMind基准，在大规模标准化的公共脑MRI数据集上进行预训练，为3D医学视觉的自监督学习研究和应用提供了有力支持。

🚀 快速开始

本仓库托管了来自 OpenMind 基准的预训练模型检查点：
📄 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) —— 这是首个针对 3D医学影像 数据进行 自监督学习（SSL） 的全面基准研究。

每个模型都使用特定的SSL方法在 OpenMind数据集 上进行了预训练，该数据集是一个大规模、标准化的公共脑MRI数据集集合。

不建议直接使用这些模型进行特征提取。相反，建议使用 微调仓库 中的下游微调框架进行 分割 和 分类 任务的适配。 虽然可以手动下载模型，但建议在微调仓库中使用自动下载功能，只需提供Hugging Face上的仓库URL，而不是本地检查点路径。

✨ 主要特性

模型来源信息

• 论文模型：An OpenMind for 3D medical vision self-supervised learning
• 用于创建检查点的预训练代码库：MIC-DKFZ/nnssl
• 数据集：AnonRes/OpenMind
• 下游（分割）微调：TaWald/nnUNet

模型变体

我们发布了两种骨干架构的SSL检查点：

• ResEnc-L：基于卷积神经网络（CNN）的编码器 [a, b]
• Primus-M：基于Transformer的编码器 [Primus论文]

每个编码器都使用以下SSL技术之一进行了预训练：

📄 许可证

本项目采用CC BY 4.0许可证。