MuscleMap v1.4 for MLX
сегментация мышц и костей на МРТ и КТ для Mac
2 min readupdated
Модель автоматически размечает 113 мышечных и костных структур на трёхмерных медицинских снимках форматов NIfTI (МРТ и КТ). Это конвертация весов проекта MuscleMap v1.4 под фреймворк MLX и графический движок Metal для локального запуска на чипах Apple Silicon. В основе лежит компактная архитектура 2D MONAI UNet (нейросеть для сегментации изображений) с 1 входным и 114 выходными каналами. Инструмент пригодится исследователям и разработчикам медицинских сервисов на macOS, позволяя обходиться без PyTorch и видеокарт NVIDIA.
Ключевые особенности
- Размечает 113 анатомических структур с сохранением оригинальных ID, названий, сторон и областей тела в
labels.json. - Работает нативно на Apple Silicon через MLX и Metal, не требуя громоздких зависимостей.
- Точная конвертация всех 46 тензоров в формате float32 без дообучения и квантования.
- Восстанавливает логиты до исходной сетки снимка и оставляет крупнейший связный компонент для каждой метки.
Что можно сделать
- Автоматизировать разметку мышечных и костных тканей на 3D-снимках МРТ и КТ в медицинских исследованиях.
- Интегрировать быстрый локальный анализ NIfTI-файлов в софт и пайплайны под macOS на базе Apple Silicon.
- Проводить количественную оценку мышц всего тела (Whole-Body Quantitative MRI) без отправки данных в облако.
Пример
musclemap-mlx segment --input scan.nii.gz --model-dir /path/to/this/bundle --output-dir out
Подробнее
Параметры: ~0.03B (46 тензоров в float32), архитектура 2D MONAI UNet.Верификация: на тестовых объёмах TotalSegmentator CT (122x101x30) и MRI (117x91x20) финальные воксели полностью совпали с эталоном на PyTorch 2.4.1 / MONAI 1.3.2 (макс. ошибка логитов 9.92e-5 и 1.03e-4).
Ограничения: при сравнении результатов важно использовать одинаковый размер чанков, так как он влияет на нормализацию.
Лицензия: MIT.










Comments