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

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

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。

下拉加载更多