#43 · 主分类： 基础模型
ModelsGenesis
3d-model
3d-segmentation
chest-ct
ct
feature-learning
fine-tuning
foundation-models
medical-image-analysis
medical-imaging
mr
pre-trained-model
representation-learning
self-supervised-learning
transfer-learning
unsupervised-learning
用于3D医学图像的自监督预训练框架，从无标签的CT/MRI体数据中学习可迁移表征，用于分割和分类的微调。
项目最后更新：08/25/26
GitHub Stars
791
Forks数量
141
贡献者数量
10
许可证
MIT
收录理由
医学影像的3D分割或分类任务，常常因为标注数据稀缺而难以训练。Models Genesis提供了一条务实的路径：它利用未标注的CT和MRI体数据，通过图像重建类任务进行自监督预训练，让模型先自主理解解剖结构，再针对具体标签做微调。仓库同时提供了Keras和PyTorch的预训练权重，可以直接接入现有流程，省去从头复现论文方法的麻烦。作为该领域的经典工作，它曾获MICCAI 2019青年科学家奖和MedIA最佳论文奖，至今仍是医学影像自监督预训练中经常被引用的基准，尤其适合标注样本有限的实际项目。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。