medoxide-bounti : poids de BOUNTI convertis pour Burn

Ces fichiers sont les poids de BOUNTI (segmentation du cerveau fœtal en 19 tissus à partir d'une reconstruction 3D T2) et du réseau d'extraction du cerveau de sa chaîne, convertis au format burnpack pour Burn, afin d'être utilisés par la commande medx bounti de medoxide sans Docker ni PyTorch.

Ce sont les poids des auteurs, sans réentraînement ni ajustement : seul le format change (export ONNX puis conversion, en float32). Le travail est celui de l'équipe de Maria Deprez, Alena Uus et collaborateurs (King's College London) : merci de les citer.

Origine

Licence

GNU General Public License v3.0 : la licence des scripts et du code de auto-proc-svrtk, dont l'image Docker est issue (texte : LICENSE de ce dépôt amont, https://www.gnu.org/licenses/gpl-3.0.html). Le dépôt amont ne mentionne pas les poids séparément ; ces fichiers sont publiés sous la licence de la distribution dont ils proviennent. Ils sont une version modifiée (convertie de format) des poids d'origine. Le code qui les utilise (medoxide) est sous licence MIT ; les poids, eux, restent sous GPL v3 et ne sont pas inclus dans le dépôt de code. Le texte de la licence est dans le fichier LICENSE de ce dépôt (copie de celui de auto-proc-svrtk).

Fichiers

Fichier Réseau Paramètres Taille SHA-256
bet/bet_64.bpk Attention U-Net 3D, extraction du cerveau (2 sorties, canaux 32 à 512) 23,6 M 94,5 Mo 3b288ec287cfa42518f6cd5023d23e7cd5387f06175d769038b73781e0d31fe6
unet/unet_64.bpk U-Net 3D, 19 tissus + fond (20 sorties, canaux 32 à 512) 9,83 M 39,3 Mo 6ac7d9b793c68e307d89d793a7b1ff66916c631d9524b0157c7f0a25f2ac6ae8
attunet/attunet_64.bpk Attention U-Net 3D, 19 tissus + fond (canaux 16 à 256) 5,91 M 23,6 Mo a3c9a4c5ed67997d3ce9b283e309818030f82c3e38cfe160f0351f69e45774fa

(_64 : taille du cube factice de l'export ONNX ; les réseaux sont indépendants de la taille spatiale.)

Conversion et validation

Points de contrôle PyTorch/MONAI → export ONNX (opset 17) → onnx2burn (burn-onnx 0.22.0-pre.4) → burnpack. La procédure complète est le script scripts/bounti_poids.sh de medoxide.

  • Réseaux : écart relatif maximal des logits contre PyTorch (float32) de 6,2e-7 à 2,7e-6 sur des volumes réels de 64³ à 256³, avec 100 % d'étiquettes identiques (seuil fixé à 1e-5).
  • Chaîne complète contre la chaîne officielle (script Python des auteurs et commandes MIRTK), sur trois reconstructions : coefficient de Dice d'au moins 0,9935 sur chacune des 19 étiquettes, accord de voxels de 99,998 à 100 %.
  • Détails, critères et écarts : docs/BOUNTI.md de medoxide.

Utilisation

# télécharger les trois fichiers (en gardant les sous-dossiers bet/, unet/, attunet/) dans un dossier,
# par exemple ~/.cache/medoxide/bounti, cherché par défaut ;
# vérifier les sommes de contrôle avec : shasum -a 256 bet/bet_64.bpk unet/unet_64.bpk attunet/attunet_64.bpk
medx bounti --input reconstruction.nii.gz --output segmentation.nii.gz --weights <dossier>

Citation

@article{uus2023bounti,
  title={BOUNTI: Brain vOlumetry and aUtomated parcellatioN for 3D feTal MRI},
  author={Uus, Alena U. and Kyriakopoulou, Vanessa and Makropoulos, Antonios and others},
  journal={bioRxiv},
  year={2023},
  doi={10.1101/2023.04.18.537347}
}

Merci aussi de citer le logiciel et les images Docker SVRTK (https://github.com/SVRTK/auto-proc-svrtk).

Usage et limites

Outil destiné à la recherche, pas à un usage médical ou diagnostique, fourni sans garantie (mêmes réserves que les auteurs : en aucun cas les auteurs ou distributeurs ne sont responsables des dommages liés à son usage).

Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support