| ---
|
| license: apache-2.0
|
| tags:
|
| - medical
|
| - segmentation
|
| - monai
|
| - 3d-unet
|
| - pytorch
|
| pipeline_tag: image-segmentation
|
| ---
|
|
|
| # 3D U-Net для медицинской сегментации
|
|
|
| Эта модель представляет собой 3D U-Net, обученную на медицинских данных для задач сегментации.
|
|
|
| ## Архитектура модели
|
|
|
| - **Тип**: 3D U-Net (MONAI)
|
| - **Входные каналы**: 1
|
| - **Выходные каналы**: 2 (фон + целевой класс)
|
| - **Каналы**: (16, 32, 64, 128, 256, 512)
|
| - **Размер патча**: 256x256x256
|
| - **Функция потерь**: Dice Loss
|
|
|
| ## Использование
|
|
|
| ```python
|
| import os
|
| import torch
|
| from monai.networks.nets import UNet
|
| from huggingface_hub import hf_hub_download
|
|
|
| # Отключение предупреждения о symlinks на Windows
|
| os.environ['HF_HUB_DISABLE_SYMLINKS_WARNING'] = '1'
|
|
|
| # Загрузка модели
|
| model = UNet(
|
| spatial_dims=3,
|
| in_channels=1,
|
| out_channels=2,
|
| channels=(16, 32, 64, 128, 256, 512),
|
| strides=(2, 2, 2, 2, 2, 2),
|
| num_res_units=2,
|
| dropout=0.2
|
| )
|
|
|
| # Загрузка весов безопасно (исправляет FutureWarning)
|
| model_path = hf_hub_download(repo_id="Nikitapyscript/MRISegment_model", filename="best_metric_model.pth")
|
| model.load_state_dict(torch.load(model_path, map_location='cpu', weights_only=True))
|
| model.eval()
|
| ```
|
|
|
| ## Предобработка данных
|
|
|
| Модель ожидает входные данные в следующем формате:
|
| - Нормализация интенсивности: [-1000, 4000] -> [0, 1]
|
| - Размер входа: (1, 256, 256, 256)
|
| - Тип данных: torch.float32
|
|
|
| ## Обучение
|
|
|
| Модель была обучена с использованием:
|
| - Оптимизатор: Adam (lr=1e-4, weight_decay=1e-5)
|
| - Scheduler: ReduceLROnPlateau
|
| - Аугментации: случайные отражения, повороты, изменения интенсивности
|
| - Метрика: Dice Score
|
|
|
| ## Требования
|
|
|
| ```
|
| torch
|
| monai
|
| numpy
|
| ```
|
| |
