MedVision
קוד פתוחYongchengYAOcc-by-4.02025-10-08
איחוד ענק של סריקות רפואיות תלת ממדיות עם עשרות מיליוני תיוגים כמותיים. הוא נועד למי שרוצה לאמן מודלי ראייה לחישוב גדלים, איתור נגעים ומדידת מרחקים במקום סגמנטציה פשוטה.
- 1,304הורדות בחודש
- 23לייקים
מה זה
המאגר מאגד 31 מקורות מידע רפואיים שונים, ביניהם סריקות של איברי בטן, מוח, לב וברכיים, בשיטות דימות כמו CT, MRI, אולטרסאונד וצילומי רנטגן. מתוך כמעט 33,200 נפחים תלת ממדיים נחתכו כ־12 מיליון פרוסות דו ממדיות במישורים שונים. הרשומות מגיעות מיוזמות מוכרות כמו BraTS24, AMOS22 ו־TotalSegmentator, ומכסות מעל 17 מיליון דגימות תיחום לאימון ועוד 7.3 מיליון לבדיקה.
במקום להסתפק במסכות בלבד, החוקרים יצרו תיוגים כמותיים שכוללים קופסאות תוחמות, נקודות ציון גיאומטריות למדידת זוויות ומרחקים, וממדי גידולים שהופקו מתוך התאמת אליפסות. החלוקה הפנימית מוגדרת לפי תצורות מוגדרות מראש, שכל אחת מהן מציינת את שם הדאטהסט המקורי, סוג המדידה, מזהה המשימה המקומית, זווית החיתוך וחלוקת האימון או הבדיקה. בגרסה 1.4.0 חושבו מחדש מידות הגידולים עבור 12 מאגרים, במטרה לסנן מקרים לא ברורים ולהרחיב את כמות התיוגים המרובים.
מתאים ל
- הערכת ממדי גידולים
אימון מודלי שפה וראייה לחישוב אוטומטי של קוטר וגודל נגעים מתוך סריקות CT ו־MRI.
- איתור איברים ואיגום
זיהוי תיבות גבול של איברים שונים בפרוסות תלת ממדיות במישור האקסיאלי, הקורונלי והסגיטלי.
- מדידות ביומטריות
חישוב מרחקים וזוויות בין נקודות ציון אנטומיות בצילומי רנטגן וסריקות מוח ועוברים.
איפה זה נופל
הנתונים והטקסטים קיימים באנגלית בלבד ואין פה תוכן בעברית. הבעיה העיקרית היא תלות הדוקה בקוד חיצוני ובשלמות המקורות, שכן שגיאה קודמת בהתאמת האליפסות על חתכים לא איזוטרופיים מחקה כ־22 אחוז מדגימות הגידולים, ושגיאת כיוון צירים ב־MAMA-MIA דרשה מחיקת מטמון ידנית. סריקות כמו AbdomenAtlas מחייבות אישור מקדים בשרת כדי למנוע שגיאות הרשאה, ובחלק מהמקורות חסרים נתונים קליניים מלאים על גיל החולים או רקע רפואי רחב מעבר לתמונה.
שאלות
נפוצות
האם מותר להשתמש במאגר לפיתוח מוצר מסחרי?
התיוגים והקוד של MedVision מוגדרים תחת רישיון CC-BY 4.0 שמתיר מסחור תחת ייחוס. עם זאת, התמונות עצמן מורדות מעשרות מקורות ציבוריים שונים, ולחלקם יש הסכמי משתמש מחמירים יותר או דרישה לאישור פרטני. אם המודל לומד מהפיקסלים המקוריים, חובה לבדוק את הרישיון הספציפי של כל תת מאגר שנכלל באימון.
כמה מקום בדיסק צריך בשביל לעבוד איתו?
אין נפח הורדה אחיד כי הנתונים מפוצלים למעל 300 קבצים ולמעלה מ־1,000 תצורות נפרדות. המאגר מאגד עשרות אלפי סריקות תלת ממדיות בנפח שיכול להגיע למאות ג'יגה בייט אם מורידים את כל המקורות יחד. מומלץ להוריד רק את התצורה הספציפית שמעניינת אתכם באמצעות הגדרת התצורה בטעינה.
האם יש תמיכה בעברית או נתונים מבתי חולים בארץ?
המאגר מבוסס כולו על אנגלית ואינו כולל נתונים מקומיים. המקורות נאספו ממאגרים ציבוריים בינלאומיים מתחרויות ומחקרים קודמים, כמו BraTS ו־Zenodo. כל שמות המשימות, האיברים והמדדים מוגדרים בטרמינולוגיה רפואית לועזית בלבד.
מדוע צריך גרסה ישנה של ספריית datasets?
הפרויקט נשען על קוד טעינה מותאם אישית שיושב במאגר ומבצע את עיבוד התמונות בזמן אמת. החל מגרסה 4.0.0 של ספריית datasets הוסרה התמיכה בפרמטר trust_remote_code משיקולי אבטחה. לכן החוקרים מחייבים התקנה של גרסה 3.6.0 כדי שהקוד יוכל לרוץ ללא חסימות.
איך טוענים
הטעינה נעשית דרך Hugging Face, אבל המאגר עצמו שומר רק את קובצי התיוג והקוד. בזמן ההרצה, הסקריפט מוריד ומעבד את קובצי התמונות המקוריים אל התיקייה שתגדירו במשתנה הסביבה MedVision_DATA_DIR. חובה להגדיר גם את MedVision_PLANNER_VERSION לגרסה הרצויה, למשל latest, אחרת הקריאה תיכשל. בנוסף, חבילת datasets מוגבלת לגרסה 3.6.0 בגלל השימוש בקוד מרוחק. עבור שלושה מקורות כמו SKM-TEA, ToothFairy2 ו־FeTA24, תצטרכו להירשם אצל בעלי המקור, לאשר תנאים ולספק טוקנים ייעודיים.
from datasets import load_dataset
ds = load_dataset("YongchengYAO/MedVision")הרישיון
הפרויקט מפורסם תחת רישיון CC-BY 4.0 שמתיר שימוש מסחרי, שינוי והפצה, בתנאי שניתן קרדיט מלא ליוצרים המקוריים. אין חובת שיתוף תחת אותו רישיון עבור המודל שתאמנו. יחד עם זאת, הרישיון מכסה רק את התיוגים והקוד של הפרויקט עצמו, בעוד התמונות נמשכות מעשרות מאגרים חיצוניים שלכל אחד מהם עשויים להיות תנאים וסייגים משלו.
- שימוש מסחרי
- שינוי הקוד
- חובת ייחוס