/ Модель

Характеристики

Размер весов
377 МБ
Лицензия
Своя лицензия
Опубликована
2 дек 2024

vesselFM

Сегментация изображенийИзображение → mask3 профессии

vesselFM — модель для универсальной сегментации кровеносных сосудов в 3D-медицинских изображениях из разных областей визуализации.

1 261скачиваний за 30 дней12лайковвеса обновлены6 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

vesselFM — модель-фундамент для сегментации кровеносных сосудов в трёхмерных медицинских изображениях из разных источников и областей визуализации. Её разработали Бастиан Виттманн и соавторы; работа опубликована на CVPR 2025. Репозиторий содержит веса PyTorch, включая базовый чекпойнт и вариант с усреднением экспоненциального скользящего среднего (EMA).

Сценарии применения

  • выделение кровеносных сосудов на трёхмерных медицинских снимках
  • сегментация сосудистой сети в изображениях из разных источников
  • подготовка масок сосудов для анализа и исследований

Ограничения

Чекпойнт vesselFM_all обучался с включением оценочного набора авторов, поэтому его результаты на этом наборе могут быть завышены; для сопоставления с результатами статьи README рекомендует vesselFM_base. Лицензия обозначена как other, поэтому условия использования следует проверить в репозитории.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

vesselFM

TL;DR: VesselFM is a foundation model for universal 3D blood vessel segmentation in arbitrary imaging domains. For details, please refer to our manuscript and our GitHub repo.


Checkpoints

We provide the following checkpoints:

  • vesselFM_all.pt: VesselFM pre-trained on a version of our three proposed data sources (D_real, D_drand, and D_flow), including our evaluation set for potential increased performance. This checkpoint will be automatically downloaded in vesselfm/seg/inference.py.

  • vesselFM_all_ema.pt: EMA version of vesselFM_all.pt.

  • vesselFM_base.pt: VesselFM pre-trained on a version of our three proposed data sources (D_real, D_drand, and D_flow). Performance is similar to the model reported in the manuscript.

Citing vesselFM

If you find our work useful, please cite:

@InProceedings{Wittmann_2025_CVPR,
    author    = {Wittmann, Bastian and Wattenberg, Yannick and Amiranashvili, Tamaz and Shit, Suprosanna and Menze, Bjoern},
    title     = {vesselFM: A Foundation Model for Universal 3D Blood Vessel Segmentation},
    booktitle = {Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR)},
    month     = {June},
    year      = {2025},
    pages     = {20874-20884}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
dd70bbd

0 моделей