许可协议：cc-by-4.0
数据集：

• AnonRes/OpenMind
  管道标签：图像特征提取
  标签：
• 医疗

OpenMind基准3D自监督学习模型

论文模型来源：《An OpenMind for 3D medical vision self-supervised learning》
创建检查点所用的预训练代码库：MIC-DKFZ/nnssl
数据集：AnonRes/OpenMind
下游（分割）微调：TaWald/nnUNet

概述

本仓库托管来自OpenMind基准的预训练检查点：
📜 《An OpenMind for 3D medical vision self-supervised learning》（Wald, T., Ulrich, C., Suprijadi, J., Ziegler, S., Nohel, M., Peretzke, R., ... & Maier-Hein, K. H. (2024).）
(arXiv:2412.17041) —— 首个针对3D医学影像数据的**自监督学习（SSL）**全面基准研究。

每个模型均采用特定SSL方法在OpenMind数据集上预训练，该数据集是一个大规模、标准化的公共脑部MRI数据集集合。

不建议直接使用这些模型进行特征提取。 我们推荐使用下游微调框架进行分割和分类适配，详见适配代码库。
虽然支持手动下载，但我们建议通过提供Hugging Face上的仓库URL（而非本地检查点路径）使用微调代码库的自动下载功能。

模型变体

我们发布了两类骨干架构的SSL检查点：

• ResEnc-L：基于CNN的编码器[a, b]
• Primus-M：基于Transformer的编码器[Primus论文]

每种编码器均采用以下SSL技术之一进行预训练：