Cancer3.AIAI w onkologiiModele AI › TotalSegmentator
Narzędzie Otwarte wagi Tylko do badań radiology

TotalSegmentator v2

Narzędzie wiersza poleceń, które segmentuje 117 struktur anatomicznych (v2) w dowolnym TK modelami nnU-Net trenowanymi na ponad 1200 klinicznych TK — standardowy sposób pozyskania masek narządów do radiomiki, planowania dawki i cech kontekstu guza.

W skrócie

TwórcaUniversity Hospital Basel
Wersjav2
Wydanie2023-07-05
Licencjaapache-2.0
DostępnośćOtwarte wagi
RodzajNarzędzie
Status regulacyjnyTylko do badań
Parametrymultiple 3D U-Nets

Co robi

pip install i jedno polecenie: narządy, kości, naczynia i mięśnie oznaczone wokselowo; osobne modele zadaniowe dodają kręgi, płaty płuc, skład ciała i inne.

Zadania, typy danych i nowotwory

Typ danychTKMRI
NowotwórWiele nowotworów
WejścieCT (NIfTI/DICOM), any field of view
Wyjściemulti-label segmentation volume

Architektura

RodzinannU-Net (3D U-Net)
Parametrymultiple 3D U-Nets
Pretreningsupervised on curated CT segmentations

Dane treningowe

1204 badania TK (v1) z rutynowej praktyki klinicznej Szpitala Uniwersyteckiego w Bazylei, obejmujące wiele patologii, skanerów i protokołów; v2 rozszerza klasy i dane.

Rozmiar zbioru treningowego1,204 CTs (v1)
InstytucjeUniversity Hospital Basel (CH)

Ewaluacja

Benchmark / zbiórMiaraWartośćWalidacja zewnętrznaŹródło
internal test set (v1 paper) Dice 0.943 mean over 104 structures nie Źródło

Jak uruchomić

pip install TotalSegmentator
TotalSegmentator -i ct.nii.gz -o segmentations/           # 117 structures (v2)
TotalSegmentator -i ct.nii.gz -o seg/ --task body          # extra task models: body, lung_vessels, ...
Bibliotekapip package TotalSegmentator (nnU-Net)
SprzętGPU for full resolution; --fast mode runs on CPU

Status regulacyjny i przeznaczenie

Status regulacyjnyTylko do badań
PrzeznaczenieNarzędzie badawcze; nie jest wyrobem medycznym.

Źródło →

Status regulacyjny cytujemy ze wskazanego źródła i może się zmienić. Modele „tylko do badań” nie służą do decyzji klinicznych.

Ograniczenia i błędy systematyczne

  • Anatomia, nie guzy: nie segmentuje zmian.
  • Niższa dokładność na bardzo niskodawkowych lub silnie zaartefaktowanych badaniach.

Źródła

  1. Wasserthal J et al. TotalSegmentator: Robust Segmentation of 104 Anatomic Structures in CT Images. Radiology: AI 2023
  2. GitHub — wasserth/TotalSegmentator

Ta strona ma charakter edukacyjny — nie stanowi porady medycznej i nie zastępuje konsultacji z onkologiem. Decyzje diagnostyczne i terapeutyczne podejmuje wyłącznie lekarz specjalista.