ModelsGenesis

ModelsGenesis

3D医疗影像自监督预训练模型

此项目推出了名为Generic Autodidactic Models的预训练模型,专为3D医学影像应用设计,特别适合标注数据有限的情况。这一模型通过自监督学习实现自我训练,无需人工标注,并能生成各种应用场景的目标模型。Models Genesis性能显著优于从零开始训练的3D模型,甚至超过了包括ImageNet模型在内的2D方法,尤其在分割肝脏、肿瘤和海马体方面表现卓越。

Models Genesis3D医学影像自学习迁移学习医学图像分析Github开源项目

项目介绍:Models Genesis

概述

Models Genesis 是由一组预训练模型构成,命名为“通用自学模型”,亦称“Models Genesis”。这些模型的开发无须手动标注,通过自监督学习自行获取知识,并且具备通用性,能够作为生成应用特定目标模型的源模型。研究团队希望 Models Genesis 在 3D 医学影像应用中,特别是有限标注数据的情况下,成为迁移学习的主要工具。

背景与目标

在医学影像分析中,数据标注是一项耗时且昂贵的工作。Models Genesis 的目标是在无需大量标注数据的条件下,提供高效的模型训练方法。通过自监督学习,这些模型能够自动从未标注的数据中学习特征,并应用于不同的医学影像任务上。

核心技术

Models Genesis 的核心在于自学模型的生成,这些模型使用自监督的方式进行训练。其过程类似于给模型提出问题并让模型自己寻找答案,而无需人为提供的标签。这样的训练方法不仅节约了大量人力资源,还提高了模型的泛化能力。

主要成果

  • 优于3D从头训练的模型:Models Genesis 能够在众多任务中超越从头开始训练的 3D 模型。
  • 超越 2D 方法:与基于 ImageNet 的模型以及降维至 2D 的 Models Genesis 相比,Models Genesis 展现出更好的性能。
  • 2D 模型匹敌监督模型:作为 2D 预训练模型,Models Genesis 的表现可媲美传统的监督学习预训练模型。

项目荣誉

Models Genesis 项目在医学图像计算与计算机辅助干预国际会议(MICCAI)2019 中获得了“青年科学家奖”,并在 Medical Image Analysis (MedIA) 学术期刊中获得了“最佳论文奖”。

实现与应用

此项目提供了在 keras 和 pytorch 等多种框架下的实现版本,并且与 nnU-Net 结合,在肝脏/肿瘤及海马体分割比赛中取得了第一名的成绩。

未来展望

由于 Models Genesis 在利用少量或无标注数据进行自监督学习方面的优势,研究团队对其在其他医学影像分析领域的应用持乐观态度,期待为医学研究和临床诊断提供更多支持和启发。

支持与贡献

该研究获得了亚利桑那州立大学和梅奥诊所的种子基金与创新基金,以及国家卫生研究院(NIH)的部分支持。项目使用的部分 GPU 资源由 ASU Research Computing 和 NSF 资助的 Extreme Science and Engineering Discovery Environment (XSEDE) 提供。

Models Genesis 是一项正在申请专利的技术,有望在未来为医学领域带来更多创新突破。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多