VLM3D2025-Task2-AbnormalityClassifications
ансамбль для поиска патологий на КТ
2 мин чтенияобновлено
Модель решает задачу мультилейбловой классификации отклонений на 3D-снимках компьютерной томографии (КТ) и подготовлена для трека Multi-Abnormality Classification конкурса VLM3D@MICCAI 2025. В основе лежит система CT_CLS8 от автора jiaweichen-pjlab, которая объединяет сегментацию органов через TotalSegmentator и классификатор на архитектуре ResEncUNet. Сначала скрипт выделяет семь анатомических зон интереса (ROI), затем прогоняет их через ансамбль из трёх чекпоинтов и усредняет предсказания. Инструмент пригодится исследователям и разработчикам в сфере медицинского ИИ, работающим с автоматическим анализом 3D-томограмм.
Ключевые особенности
- Ансамбль из трёх моделей: итоговый результат формируется путём усреднения сигмоидных выходов трёх отдельных чекпоинтов ResEncUNet.
- Привязка к анатомии: встроенная модель TotalSegmentator сегментирует органы и вырезает семь целевых зон (ROI), маскируя классы под конкретную область.
- Готовый комплект весов: в репозиторий включены как три чекпоинта классификатора (
ct_cls8/), так и необходимый чекпоинт TotalSegmentator.
Что можно сделать
- Автоматический скрининг 3D-снимков: использовать пайплайн для выявления различных патологий на датасетах компьютерной томографии по аналогии с CT-RATE.
- Бенчмаркинг медицинских моделей: применять веса как готовый бейзлайн для сравнения новых архитектур в задачах анализа 3D-медицинских изображений.
Пример
# Укажите пути к весам в окружении пайплайна code/classification/inference/
export CT_CLS_CKPT_DIR="ct_cls8/"
export nnUNet_results="total_segmentator/Dataset665_Totalsegmentator_v201_Anatomy/"Подробнее
Локальная оценка на CT-RATE valid_fixed (3 039 случаев): Macro F1 — 0.6129, Micro F1 — 0.6363, Macro precision — 0.5774, Macro recall — 0.6578.Данные (снимки CT-RATE, отчёты и разметка) в репозиторий не входят.
Лицензия на веса классификатора — CC BY 4.0 (TotalSegmentator сохраняет свою исходную лицензию).










Комментарии