RADAR Abdominal CT Demo

RADAR Abdominal CT Demo

读取一个腹部 CT 体积数据，用 RADAR 模型返回 18 个结构中 146 个征象各自的概率。这是研究和教学演示，不用于临床决策。

由 junma 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是 RADAR 的演示，RADAR 是一个面向腹部 CT 的视觉语言模型。你上传一个 .nii.gz 格式的 CT 体积数据，页面会返回 146 个征象各自的概率，按 18 个解剖结构分组。来源描述这个模型用超过 40 万次增强检查和 1500 万个有解剖感知的图文对训练而成。

这是一个第三方演示，它封装了论文作者的权重，用于研究和教学。它不是医疗器械，来源说明不要把它用于临床决策。

适合谁：适合想看看通用 CT 模型对一次扫描会报告什么的研究人员和学生。

行业 | 使用者 | 使用方式 | 例子
医学影像研究 | 研究人员 | 在腹部 CT 体积数据上试用 RADAR，并阅读每个征象的概率 | 研究人员上传研究数据集里的一份体积数据
机器学习 | 机器学习工程师 | 通过现成的演示测试发布的权重 | 工程师检查模型如何处理一份示例体积数据
教育 | 学生 | 了解视觉语言模型如何描述腹部扫描 | 学生阅读一个示例病例里哪些征象得分高
软件 | 开发者 | 研究仓库里的滑动窗口推理代码 | 开发者阅读 inference_demo.py

如果你需要用于患者护理或商业工作的工具，可以跳过它，因为这些权重是非商业的。

用在哪里：你可以在下面这些地方使用它。

• 网页浏览器，打开 Hugging Face 上这个 Space 的页面，它运行在 GPU 上
• Windows、macOS 或 Linux 上的本地副本，需要 Python 3.10 和一块 GPU

使用场景 | 适合谁 | 得到什么
给一份 CT 体积数据打分 | 研究人员 | 18 个结构中 146 个征象各自的概率
检查覆盖情况 | 学生 | 对于器官找不到或被体积边缘截断的征象，显示 N/A
研究这个演示 | 开发者 | 可阅读的 app.py 和 inference_demo.py 文件

如何设置：在线使用只需要浏览器。本地副本需要 Python 3.10、一块 GPU 和放权重的空间。

• 网页浏览器，用于在线页面
• 带 pip 的 Python 3.10，用于本地副本
• 一块 GPU，因为来源说它需要 GPU Space，并推荐 A10G small
• 为首次启动时下载的约 1.5 GB 检查点和 0.4 GB BERT 分词器文件留出空间
• requirements.txt 里的 Python 软件包

1. 打开 Hugging Face 上这个 Space 的页面即可在线使用，无需安装任何东西。
2. 想要本地副本，先安装 Hugging Face Hub 软件包。
3. 把这个 Space 的文件下载到一个文件夹并进入该文件夹。
4. 安装 Gradio 6.17.3 和 requirements.txt 里的软件包。
5. 启动应用。

pip install -U huggingface_hub
hf download junma/RADAR-demo --repo-type space --local-dir RADAR-demo
cd RADAR-demo
pip install gradio==6.17.3
pip install -r requirements.txt
python app.py

如何使用：打开页面，上传一个 .nii.gz 格式的 CT 体积数据。页面运行模型，并返回每个征象的概率。对于器官在扫描里找不到或被边缘截断的征象，显示为 N/A。

python app.py

示例：你上传一份 .nii.gz 格式的腹部 CT 体积数据。页面返回每个征象的概率，对于器官不在扫描里或在边界处被截断的征象，显示 N/A。

新手与专家：CT 扫描是一叠身体的图像，这个模型会看整叠腹部图像，并估计列出的每个征象有多大可能存在。先上传一份示例体积数据。请把这些数字当作研究输出，不要当作诊断。

从底层看，应用使用名为 checkpoint_radar_pretrain.pth 的检查点，它被描述为经 RAD-CT 预训练，并用滑动窗口在 96 乘 256 乘 384 的区域上做推理。权重在首次启动时来自 radar-generalist/RADAR。记录里还提到三个用于文本的 BERT 模型，以及一个名为 FLARE-MedFM/PancancerCTSeg 的数据集。

你上传一个 .nii.gz 体积数据
滑动窗口推理在 GPU 上运行
模型给 146 个征象各自打分
未检测到的器官显示为 N/A

注意事项：医疗用途不在范围之内，而且这些权重带有非商业许可。

• License: cc-by-nc-sa-4，来源称之为非商业、相同方式共享。
• Cost to run: 未提及。来源推荐 A10G small 的 GPU Space。
• Data it reaches: 你上传的 CT 体积数据，以及它在首次启动时从 radar-generalist/RADAR 下载的权重。
• Not for: 临床决策，因为来源说这不是医疗器械。

Hugging Face 上的数据（2026年11月13日）

• 点赞：4
• 构建方式：gradio
• 许可证：cc-by-nc-sa-4.0

链接

• Space：https://huggingface.co/spaces/junma/RADAR-demo
• 文件：https://huggingface.co/spaces/junma/RADAR-demo/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。