3D医疗影像预训练模型MedicalNet

[黑色战场]

近年来，图像与视频识别软件的发展，为医疗影像 AI 提供了很大帮助。但医护人员资源有限，标注数据成为了困难，导致可用于训练的同分布标注数据非常少，与数据驱动的深度学习形成矛盾，这就是目前医疗影像 AI 的发展瓶颈所在。

MedicalNet 是一个 3D 医疗影像预训练模型，其将多个 3D 医疗数据集集合成大数据集，基于此数据集提供了完整的 3D-ResNet 系列预训练模型与相应的迁移学习训练代码。

适用场景：MedicalNet 提供的预训练网络可迁移到任何 3D 医疗影像的 AI 应用中，包括但不限于分割、检测与分类等任务。尤其适用小数据医疗影像 AI 场景，能加快网络收敛，提升网络性能。

特性：支持单卡与多卡训练；支持任何 3D 医疗影像的迁移学习任务；支持 3D-ResNet 全；列模型的迁移学习任务；支持多种感受野的迁移学习。

人工智能对于医疗领域来说，主要有两个作用，一个是进行人群基础筛查，另一个是提升诊断质量。对于一些简单的疾病，人工智能能达到较高的诊断性能，用于人群疾病初筛的工作上，在一定程度上缓解缺乏医护人员的问题。而一些治疗难度较高的疾病，人工智能可以为医生诊断提供参考依据，起到提醒作用。

医疗影像包含丰富的诊断信息，是医疗诊断中非常常见的手段。医疗影像AI的“制造”方法如下：收集标注数据，再通过这些数据来训练人工智能模型，最终实现在系统中输入患者影像，获得接近资深医师的诊断结果。

项目地址： https://github.com/Tencent/MedicalNet