Cancer3.AIAI w onkologiiModele AI › MedSAM
Model fundamentowy Otwarte wagi Tylko do badań radiology

MedSAM

Segment Anything dostosowany do obrazów medycznych: model segmentacji sterowany podpowiedziami, dostrojony na ponad 1,5 mln par obraz–maska z 10 modalności obrazowych i ponad 30 typów nowotworów.

3 637 pobrań / mies. ♥ 24 aktualizacja 2023-05-03

W skrócie

TwórcaBo Wang Lab, University of Toronto / University Health Network
Wydanie2024-01-22
Licencjaapache-2.0
DostępnośćOtwarte wagi
RodzajModel fundamentowy
Status regulacyjnyTylko do badań
Parametry~94M

Co robi

Po wskazaniu ramki na obrazie TK, MRI, USG, endoskopii, patomorfologii lub RTG zwraca maskę segmentacji struktury lub zmiany wewnątrz; przydatny do szybkiej adnotacji i jako punkt startowy do dostrajania pod narząd lub guz.

Zadania, typy danych i nowotwory

NowotwórWiele nowotworów
Wejście1024×1024 2D image + bounding-box prompt
Wyjściebinary mask

Architektura

RodzinaSegment Anything (SAM)
SzkieletViT-B image encoder + prompt encoder + mask decoder
Parametry~94M
PretreningSAM (natural images) then full fine-tuning on medical image–mask pairs

Dane treningowe

1 570 263 pary obraz–maska zebrane z publicznych zbiorów (w tym wielu kolekcji TCIA i zbiorów konkursowych) z 10 modalności; wolumeny 3D pocięte na przekroje 2D.

Rozmiar zbioru treningowego1.57M image–mask pairs
Instytucjepublic datasets (see paper supplement)

Powiązane zbiory danych

Ewaluacja

Benchmark / zbiórMiaraWartośćWalidacja zewnętrznaŹródło
86 internal validation tasks + 60 external tasks Dice consistently above SAM and specialist U-Nets on external tasks (paper) tak Źródło

Jak uruchomić

# generic transformers loader — see the model card for the task-specific head and preprocessing
from transformers import AutoModel, AutoProcessor
model = AutoModel.from_pretrained('wanglab/medsam-vit-base')
processor = AutoProcessor.from_pretrained('wanglab/medsam-vit-base')
BibliotekaPyTorch (repo) / transformers
Sprzętsingle GPU; CPU feasible for single images

Box prompts only in the released model (no point prompts). Works slice by slice — 3D consistency is up to you.

Status regulacyjny i przeznaczenie

Status regulacyjnyTylko do badań
PrzeznaczenieBadania i wsparcie adnotacji.

Źródło →

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

Ograniczenia i błędy systematyczne

  • Tylko 2D; struktury wolumetryczne wymagają podpowiedzi przekrój po przekroju.
  • Zależy od ramki użytkownika: luźna ramka daje luźną maskę.
  • Dane treningowe to suma zbiorów publicznych — sprawdź nakładanie się z własnym zbiorem testowym.

Źródła

  1. Ma J et al. Segment anything in medical images. Nat Commun 2024
  2. GitHub — bowang-lab/MedSAM

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