ASCHOPLEX
точная сегментация сосудистого сплетения в МРТ мозга
1 мин чтения
Инструмент для автоматического выделения и количественного анализа сосудистого сплетения (Choroid Plexus, ChP) на 3D T1-взвешенных МРТ-сканах головного мозга. Модель построена на ансамбле из пяти нейросетей (три DynUNet и два UNETR) с использованием фреймворка MONAI. Решение обучено на данных когорты COMPASS-ND для исследований нейродегенеративных заболеваний (включая болезнь Альцгеймера и Паркинсона). Помогает исследователям быстро получать маски сегментации и оценивать объем сосудистого сплетения в миллиметрах.
Ключевые особенности
- Ансамбль моделей: комбинация архитектур DynUNet и UNETR для более точного предсказания.
- Оценка объема: расчет объема сосудистого сплетения в кубических миллиметрах и миллилитрах.
- MONAI ecosystem: полная интеграция с экосистемой медицинского глубокого обучения на PyTorch.
- Локальный запуск: скрипты инференса для работы на оборудовании с поддержкой CUDA.
Что можно сделать
- Анализ МРТ: запустить автоматическую сегментацию 3D T1-взвешенных сканов в формате NIfTI.
- Исследования: использовать для масштабного фенотипирования структурной МРТ при болезни Альцгеймера или Паркинсона.
- Интеграция: настроить пайплайн обработки медицинских изображений в исследовательской лаборатории.
Пример
Запуск полного ансамбля моделей для инференса:
python run_inference.py \
--input /data/subject001.nii.gz \
--output ./predictionsПодробнее
Требования: Linux, GPU с CUDA (например, RTX A6000), Python 3.9, PyTorch 1.13.1, MONAI 1.0.1.Входные данные: 3D T1-взвешенные MRI в формате NIfTI.
Ограничения: только для исследовательских целей, инференс на CPU не поддерживается.
Лицензия: Apache-2.0.










Комментарии