К содержимому
Другое

brats2020-3d-unet

компактная нейросеть для сегментации опухолей мозга на МРТ

2 мин чтенияобновлено

Модель анализирует трёхмерные МРТ-снимки головного мозга (четыре совмещённых режима: FLAIR, T1, T1ce и T2) и размечает на них области глиомы — всего выделяется 4 класса: фон, некротическое ядро, отёк и контрастируемая опухоль. Под капотом компактная архитектура 3D U-Net на базе фреймворка MONAI и PyTorch всего на 4,8 млн параметров, обученная на датасете BraTS2020 автором Victory Olagboye. В отличие от тяжёлых ансамблей победителей соревнований, это лёгкий одиночный чекпоинт, который можно быстро запустить через скользящее окно на обычной видеокарте. Пригодится исследователям и разработчикам в сфере медицинского компьютерного зрения для экспериментов с 3D-сегментацией.

Ключевые особенности

  • Лёгкая архитектура: 3D U-Net (MONAI) на ~4,8 млн параметров с 4 входными каналами и 4 классами на выходе.
  • Инференс скользящим окном: обрабатывает объёмы патчами 96×96×96 вокселей с перекрытием 25% после z-нормализации ненулевых вокселей.
  • Разбивка по степеням злокачественности: лучше справляется с глиомами высокой степени (HGG: Whole Tumor Dice 0.875), чем низкой (LGG: Whole Tumor Dice 0.840).
  • Только для исследований: модель не является медицинским изделием и не валидирована для диагностики или планирования лечения.

Что можно сделать

  • Исследовать 3D-сегментацию МРТ: использовать веса best_model.pth как готовый бейзлайн для экспериментов на датасете BraTS2020.
  • Встроить в пайплайн на MONAI: подавать на вход нормализованные NIfTI-массивы четырёх модальностей (FLAIR, T1, T1ce, T2) и получать повоксельную маску классов 0–3.

Пример

path = hf_hub_download("Victory1199/brats2020-3d-unet", "best_model.pth")
model = UNet(spatial_dims=3, in_channels=4, out_channels=4,
             channels=(16, 32, 64, 128, 256), strides=(2, 2, 2, 2), num_res_units=2)
model.load_state_dict(torch.load(path, map_location="cpu"))
model.eval()
with torch.no_grad():
    logits = sliding_window_inference(x, (96, 96, 96), 2, model, overlap=0.25)
mask = logits.argmax(1)[0].numpy()
ПодробнееМетрики на тесте (56 пациентов): Mean Dice — 0.868 (Whole Tumor), 0.784 (Tumor Core), 0.790 (Enhancing Tumor), медиана WT Dice — 0.897.
Обучение: 369 пациентов BraTS2020 (258 train / 55 val / 56 test), лосс Dice + cross-entropy, AdamW, fp16, около 1 часа на GPU Kaggle T4.
Железо: на CPU обработка полного объёма работает медленно, рекомендуется GPU.
Ограничения: слабее работает на глиомах низкой степени (TC Dice 0.582, ET Dice 0.529), склонна к избыточной сегментации на сложных случаях и не проверялась на сканах с других томографов.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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.

    # Victory1199/brats2020-3d-unet
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 Victory1199/brats2020-3d-unet --local-dir ~/models/brats2020-3d-unet
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к brats2020-3d-unet
  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 brats2020-3d-unet — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Victory1199/brats2020-3d-unet
Автор
Victory1199
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии