Mindket

Merlin-Cancer-Super

新上架第 1 版 · 更新于

概览

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

Merlin-Cancer-Super 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python,用来使用 Hugging Face 的下载客户端
  • 你有权使用的 CT 扫描
  • R-Super 代码,模型卡提供了它的链接,用来运行模型
用在
  • 装有 Python 的 Windows、macOS 和 Linux,用来下载文件
  • 模型卡指向的 R-Super 项目在 GitHub 上的代码
  • 处理腹部和盆腔 CT 扫描的研究流程
先运行
pip install -U huggingface_hub
hf download AbdomenAtlas/Merlin-Cancer-Super

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Merlin-Cancer-Super 是用于 CT 扫描的肿瘤检测和分割模型。它把从放射学报告中学习的 R-Super 方法,应用到 Merlin Plus 数据集的报告和掩码数据上。模型卡称,它在九个器官上表现优于公开的 AI 模型和顶尖的视觉语言模型,其中包括膀胱、胃、前列腺和子宫。

适合谁

如果你是研究肿瘤分割和从报告中学习的医学影像研究人员,它就适合你。模型卡没有把它说成可用于患者护理,所以请把它当作研究工具。

行业谁在用怎么用例子
放射学研究医学影像团队在 CT 扫描上检测和分割肿瘤运行腹部 CT 扫描并查看勾画出的肿瘤
医学 AI研究基于报告训练的团队研究报告如何监督分割了解 Volume Loss 和 Ball Loss 两项是怎么工作的
医疗数据数据集制作者把模型与 Merlin Plus 数据集配合使用把模型的掩码与数据集的标注做对比

如果你需要商业使用或衍生作品(它的许可证不允许),或者需要用于患者决策的工具,可以跳过它。

用在哪里

  • 装有 Python 的 Windows、macOS 和 Linux,用来下载文件
  • 模型卡指向的 R-Super 项目在 GitHub 上的代码
  • 处理腹部和盆腔 CT 扫描的研究流程
用例谁得到什么
肿瘤检测影像研究人员九个指定器官里肿瘤的检测结果
肿瘤分割影像研究人员在 CT 扫描上勾画肿瘤的掩码
方法研究医学 AI 团队一个经过训练的报告监督示例

如何设置

你需要先准备:

  • Python,用来使用 Hugging Face 的下载客户端
  • 你有权使用的 CT 扫描
  • R-Super 代码,模型卡提供了它的链接,用来运行模型
  1. 安装或更新 Hugging Face 下载客户端。
  2. 把这个仓库的文件下载到你的电脑。
  3. 按 R-Super 项目的说明加载模型并在你的扫描上运行。这里的文字里没有列出这些说明。
pip install -U huggingface_hub
hf download AbdomenAtlas/Merlin-Cancer-Super

如何使用

你用这个模型通过 R-Super 代码处理 CT 扫描,并读取它产生的肿瘤检测结果和掩码。这里能看到的模型卡文字没有给出运行命令,具体步骤请看 R-Super 项目。

工具作用
pip install -U huggingface_hub安装或更新 Hugging Face 的下载客户端
hf download把模型仓库的文件下载到你的电脑

示例

一位研究人员拿一份腹部 CT 扫描,用这个模型通过 R-Super 代码运行。他们期待得到勾画九个器官中任何肿瘤的掩码,再拿去和放射科医生的报告对比。

新手与专家

分割是指在扫描图上勾画出某个结构,这里是肿瘤。可以先读模型页面和它列出的论文,再用上面的两条命令获取文件。

对熟悉这个领域的读者来说,R-Super 在训练前先用大语言模型从放射学报告中提取肿瘤细节。然后两个新的损失函数 Volume Loss 和 Ball Loss 推动分割结果在肿瘤数量、直径和位置上与报告一致。训练数据是 Merlin Plus,它建立在斯坦福的 25,494 份 CT 扫描之上。

  1. 大语言模型读取放射学报告
  2. 提取肿瘤数量、大小和位置
  3. Volume 和 Ball 损失引导训练
  4. 把 CT 扫描输入模型
  5. 输出肿瘤检测结果和掩码

注意事项

  • 研究用途:这里可见的模型卡文字没有声明可用于临床,所以任何真实使用都要有临床医生参与。
  • 结果:性能对比在模型卡里是一张图,出自作者的论文,依赖它之前请先读论文。
  • 运行步骤:Hugging Face 没有列出任务或库,运行步骤在 R-Super 项目里。
  • 数据:Merlin Plus 数据集增加了患者编号、扫描日期以及逐体素的器官和肿瘤标注。
  • License: CC BY-NC-ND 4.0,不允许商业使用和衍生作品。
  • Cost to run: 未提及。
  • Data it reaches: 你传入的 CT 扫描。请只使用你有权使用的扫描。
  • Not for: 商业使用、衍生作品或患者决策。

README 和文件

README

Merlin-Cancer-Super

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

由 AbdomenAtlas 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Merlin-Cancer-Super 是用于 CT 扫描的肿瘤检测和分割模型。它把从放射学报告中学习的 R-Super 方法,应用到 Merlin Plus 数据集的报告和掩码数据上。模型卡称,它在九个器官上表现优于公开的 AI 模型和顶尖的视觉语言模型,其中包括膀胱、胃、前列腺和子宫。

适合谁:如果你是研究肿瘤分割和从报告中学习的医学影像研究人员,它就适合你。模型卡没有把它说成可用于患者护理,所以请把它当作研究工具。

行业 | 谁在用 | 怎么用 | 例子
放射学研究 | 医学影像团队 | 在 CT 扫描上检测和分割肿瘤 | 运行腹部 CT 扫描并查看勾画出的肿瘤
医学 AI | 研究基于报告训练的团队 | 研究报告如何监督分割 | 了解 Volume Loss 和 Ball Loss 两项是怎么工作的
医疗数据 | 数据集制作者 | 把模型与 Merlin Plus 数据集配合使用 | 把模型的掩码与数据集的标注做对比

如果你需要商业使用或衍生作品(它的许可证不允许),或者需要用于患者决策的工具,可以跳过它。

用在哪里:

  • 装有 Python 的 Windows、macOS 和 Linux,用来下载文件
  • 模型卡指向的 R-Super 项目在 GitHub 上的代码
  • 处理腹部和盆腔 CT 扫描的研究流程
用例 | 谁 | 得到什么
肿瘤检测 | 影像研究人员 | 九个指定器官里肿瘤的检测结果
肿瘤分割 | 影像研究人员 | 在 CT 扫描上勾画肿瘤的掩码
方法研究 | 医学 AI 团队 | 一个经过训练的报告监督示例

如何设置:
你需要先准备:

  • Python,用来使用 Hugging Face 的下载客户端
  • 你有权使用的 CT 扫描
  • R-Super 代码,模型卡提供了它的链接,用来运行模型
  1. 安装或更新 Hugging Face 下载客户端。
  2. 把这个仓库的文件下载到你的电脑。
  3. 按 R-Super 项目的说明加载模型并在你的扫描上运行。这里的文字里没有列出这些说明。
pip install -U huggingface_hub
hf download AbdomenAtlas/Merlin-Cancer-Super

如何使用:你用这个模型通过 R-Super 代码处理 CT 扫描,并读取它产生的肿瘤检测结果和掩码。这里能看到的模型卡文字没有给出运行命令,具体步骤请看 R-Super 项目。

工具 | 作用
pip install -U huggingface_hub | 安装或更新 Hugging Face 的下载客户端
hf download | 把模型仓库的文件下载到你的电脑

示例:一位研究人员拿一份腹部 CT 扫描,用这个模型通过 R-Super 代码运行。他们期待得到勾画九个器官中任何肿瘤的掩码,再拿去和放射科医生的报告对比。

新手与专家:分割是指在扫描图上勾画出某个结构,这里是肿瘤。可以先读模型页面和它列出的论文,再用上面的两条命令获取文件。

对熟悉这个领域的读者来说,R-Super 在训练前先用大语言模型从放射学报告中提取肿瘤细节。然后两个新的损失函数 Volume Loss 和 Ball Loss 推动分割结果在肿瘤数量、直径和位置上与报告一致。训练数据是 Merlin Plus,它建立在斯坦福的 25,494 份 CT 扫描之上。

大语言模型读取放射学报告
提取肿瘤数量、大小和位置
Volume 和 Ball 损失引导训练
把 CT 扫描输入模型
输出肿瘤检测结果和掩码

注意事项:

  • 研究用途:这里可见的模型卡文字没有声明可用于临床,所以任何真实使用都要有临床医生参与。
  • 结果:性能对比在模型卡里是一张图,出自作者的论文,依赖它之前请先读论文。
  • 运行步骤:Hugging Face 没有列出任务或库,运行步骤在 R-Super 项目里。
  • 数据:Merlin Plus 数据集增加了患者编号、扫描日期以及逐体素的器官和肿瘤标注。
  • License: CC BY-NC-ND 4.0,不允许商业使用和衍生作品。
  • Cost to run: 未提及。
  • Data it reaches: 你传入的 CT 扫描。请只使用你有权使用的扫描。
  • Not for: 商业使用、衍生作品或患者决策。

Hugging Face 上的数据(2026年11月14日)

  • 最近 30 天下载:0
  • 点赞:15
  • 许可证:cc-by-nc-nd-4.0

链接

  • 模型:https://huggingface.co/AbdomenAtlas/Merlin-Cancer-Super
  • 文件:https://huggingface.co/AbdomenAtlas/Merlin-Cancer-Super/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件:

pip install -U huggingface_hub
hf download AbdomenAtlas/Merlin-Cancer-Super

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-14

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

研究类的相似商品

查看研究类的全部商品

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架

ReFoCo

yuji-nozawa · 工具包

一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。

新上架