标签:

• 模型中心混合
• PyTorch模型中心混合
• 医疗 许可证: Apache-2.0 语言:
• 英文 评估指标:
• Dice系数
• Jaccard指数
• 95%豪斯多夫距离
• 平均表面距离 任务标签: 图像分割 库名称: PyTorch

该模型已通过PytorchModelHubMixin集成推送至Hub：

• Hugging Face空间（现已可用）：
  https://huggingface.co/spaces/Tournesol-Saturday/railNet-tooth-segmentation-in-CBCT-image
• 代码：https://github.com/Tournesol-Saturday/RAIL
• 论文：RAIL：CBCT图像中半监督牙齿分割的区域感知指导学习

在此仓库中使用我们模型的步骤：

1. 使用以下命令克隆此仓库：

   git clone https://huggingface.co/Tournesol-Saturday/railNet-tooth-segmentation-in-CBCT-image
   cd railNet-tooth-segmentation-in-CBCT-image
   

2. 使用以下命令创建虚拟环境以体验我们的模型：

   conda create -n railnet python=3.10
   conda activate railnet
   pip install -r requirements.txt
   python gradio_app.py
   

3. 在当前工作目录中，找到example_input_file文件夹。
   选择该文件夹中任意的.h5文件，并将其拖入Gradio界面进行模型推理。
4. 等待约1分钟至2分30秒，模型推理完成后将生成分割结果和3D渲染可视化。
   原始图像和分割结果均以.nii.gz格式保存在同目录的output文件夹中。
5. 由于Gradio对3D分割可视化进行了1/2下采样，分割精度有所降低。
   用户可将output文件夹中的.nii.gz格式文件拖入ITK-SNAP软件查看精确的分割可视化。