К содержимому
Другое

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 ./predictions
ПодробнееТребования: 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.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы0.9 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # manisggn/Aschoplex_compassnd_chp_finetuned
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download manisggn/Aschoplex_compassnd_chp_finetuned --local-dir ~/models/Aschoplex_compassnd_chp_finetuned
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Aschoplex_compassnd_chp_finetuned
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии Aschoplex_compassnd_chp_finetuned — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

manisggn/Aschoplex_compassnd_chp_finetuned
Автор
manisggn
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии