Project-MONAI / Project-MONAI/tutorials

MAISI Inference

Abierto
#1,940 1 comentario 1 reacción 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Lenguaje dominante
Jupyter Notebook
Estrellas
2.5k
Forks
803
Merge medio
6 d 22 h
PR fusionados (30 d)
3

Descripción

I am trying to use MAISI inference and I have a couple of questions.

my pipeline now to generate a segmentation mask to give as input for MAISI inference is:

  1. generate segmentation mask using TotalSegmentatorV2
  2. generate segmentation mask using Visat3D
  3. unify labels (convert TS labels to same values of Vista3D)
  4. generate unified mask to take best segmentation
  5. use MAISI inference

my questions are:

  1. is that pipeline helps to get best results or it has some problems, as I could not neither find in the paper nor documentations how you prepare the segmentation masks.
  2. Important question: both segmentation networks do not provide segmentation masks for air or body regions. I investigated the training dataset and found that the value 200 is assigned to those parts, however I could not find anywhere what is HU threshold you are using, so please also if you can guide onto that part whether where to find it or what is the threshold being used. so if you can advise how you prepare the body segmentation mask with value 200 and integrate with the segmentation masks from the segmentation networks.

Guía de contribución

Abrir la guía de contribución

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Línea de trabajo

Comienza con el flujo de inferencia de MAISI descrito en el issue y, a continuación, compara las salidas de TotalSegmentatorV2 y Visat3D con el conjunto de datos de entrenamiento. Documenta cómo se unifican las etiquetas, cómo se asigna el valor 200 a las regiones de aire o del cuerpo y qué umbral de HU se utiliza; se considera terminado cuando el procedimiento de preparación de máscaras es lo suficientemente claro como para reproducirlo.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
jupyter-notebook, pytorch
Área
computer-vision, documentation, machine-learning
Tipo de issue
Documentación
Dificultad
5/5
Tiempo estimado
Más de una semana
Estado de actividad
Estancado
Claridad
Necesita aclaración
Aptitud para principiantes
20/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.