/ Модель

Характеристики

Лицензия
MIT
Библиотека
medvae
Опубликована
29 янв 2025

MedVAE

Преобразование изображенийИзображение, текст → изображение3 профессии

MedVAE — семейство из шести масштабных обобщаемых вариационных автоэнкодеров (VAE) для медицинских изображений, разработанное StanfordMIMI и представленное в работе Maya Varma и соавторов.

2 421скачиваний за 30 дней15лайковвеса обновлены6 июн 2025

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

Модели обучены более чем на одном миллионе медицинских изображений и предназначены для кодирования изображений в уменьшенные латентные представления и последующего декодирования этих представлений обратно в изображения высокого разрешения.

В семейство входят 2D-модели для рентгеновских изображений грудной клетки и молочных желез (FFDM), а также 3D-модели для MRI и CT всего тела. Доступны варианты с одним или тремя каналами и коэффициентами сжатия 16, 64 и 512. Латентные представления можно использовать при обучении последующих моделей вместо исходных изображений высокого разрешения: по данным авторов, это обеспечивает прирост пропускной способности до 70 раз при сохранении клинически значимых признаков. Декодирование выполняется с высокой точностью.

Модель ориентирована на повышение вычислительной эффективности задач анализа медицинских изображений и на восстановление изображений из латентных представлений. Ограничения связаны с узкой специализацией на поддерживаемых медицинских модальностях и анатомических областях; README не приводит подробностей о точных размерах моделей, разрешениях, метриках качества и языковой поддержке. Распространяется по лицензии MIT.

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

MedVAE: Efficient Automated Interpretation of Medical Images with Large-Scale Generalizable Autoencoders

The model was presented in the paper MedVAE: Efficient Automated Interpretation of Medical Images with Large-Scale Generalizable Autoencoders.

Abstract: Medical images are acquired at high resolutions with large fields of view in order to capture fine-grained features necessary for clinical decision-making. Consequently, training deep learning models on medical images can incur large computational costs. In this work, we address the challenge of downsizing medical images in order to improve downstream computational efficiency while preserving clinically-relevant features. We introduce MedVAE, a family of six large-scale 2D and 3D autoencoders capable of encoding medical images as downsized latent representations and decoding latent representations back to high-resolution images. We train MedVAE autoencoders using a novel two-stage training approach with 1,052,730 medical images. Across diverse tasks obtained from 20 medical image datasets, we demonstrate that (1) utilizing MedVAE latent representations in place of high-resolution images when training downstream models can lead to efficiency benefits (up to 70x improvement in throughput) while simultaneously preserving clinically-relevant features and (2) MedVAE can decode latent representations back to high-resolution images with high fidelity. Our work demonstrates that large-scale, generalizable autoencoders can help address critical efficiency challenges in the medical domain.

Model Description

MedVAE is a family of six large-scale, generalizable 2D and 3D variational autoencoders (VAEs) designed for medical imaging. It is trained on over one million medical images across multiple anatomical regions and modalities. MedVAE autoencoders encode medical images as downsized latent representations and decode latent representations back to high-resolution images. Across diverse tasks obtained from 20 medical image datasets, we demonstrate that utilizing MedVAE latent representations in place of high-resolution images when training downstream models can lead to efficiency benefits (up to 70x improvement in throughput) while simultaneously preserving clinically-relevant features.

Total Compression FactorChannelsDimensionsModalitiesAnatomiesConfig FileModel File
1612DX-rayChest, Breast (FFDM)medvae_4x1.yamlvae_4x_1c_2D.ckpt
1632DX-rayChest, Breast (FFDM)medvae_4x3.yamlvae_4x_3c_2D.ckpt
6412DX-rayChest, Breast (FFDM)medvae_8x1.yamlvae_8x_1c_2D.ckpt
6432DX-rayChest, Breast (FFDM)medvae_8x4.yamlvae_8x_4c_2D.ckpt
6413DMRI, CTWhole-Bodymedvae_4x1.yamlvae_4x_1c_3D.ckpt
51213DMRI, CTWhole-Bodymedvae_8x1.yamlvae_8x_1c_3D.ckpt

Note: Model weights and checkpoints are located in the model_weights folder.

Installation

To install MedVAE, you can simply run:

pip install medvae

For an editable installation, use the following commands to clone and install this repository:

git clone https://github.com/StanfordMIMI/MedVAE.git
cd MedVAE
pip install -e .[dev]

Usage

A simple example using the medvae library for inference:

import torch
from medvae import MVAE

fpath = "documentation/data/mmg_data/isJV8hQ2hhJsvEP5rdQNiy.png"  # Replace with your image path
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

model = MVAE(model_name="medvae_4_3_2d", modality="xray").to(device)
img = model.apply_transform(fpath).to(device)

model.requires_grad_(False)
model.eval()

with torch.no_grad():
    latent = model(img)

We also provide an easy-to-use CLI inference tool:

medvae_inference -i INPUT_FOLDER -o OUTPUT_FOLDER -model_name MED_VAE_MODEL -modality MODALITY

For more detailed instructions, refer to the Github repository.

Citation

If you use MedVAE, please cite the original paper:

@misc{varma2025medvaeefficientautomatedinterpretation,
      title={MedVAE: Efficient Automated Interpretation of Medical Images with Large-Scale Generalizable Autoencoders}, 
      author={Maya Varma and Ashwin Kumar and Rogier van der Sluijs and Sophie Ostmeier and Louis Blankemeier and Pierre Chambon and Christian Bluethgen and Jip Prince and Curtis Langlotz and Akshay Chaudhari},
      year={2025},
      eprint={2502.14753},
      archivePrefix={arXiv},
      primaryClass={eess.IV},
      url={https://arxiv.org/abs/2502.14753}, 
}

For questions, please open an issue on the Github repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · medvae

Нельзя запустить

Модели «картинка → картинка» пока не запускаются: нужен ввод изображения для diffusion.

Ревизия весов
8040c5c

0 моделей