TotalSegmentator artık BT ve MR görüntüsünden kilo, boy, yaş ve cinsiyeti tahmin ediyor: CPU'da 20 saniye

Basel Üniversite Hastanesi ekibinin açık kaynaklı aracı, hasta bilgisi eksik ya da güvenilmez olan görüntü arşivleri için bu bilgileri doğrudan görüntüden çıkarıyor. BT'de kilo hatası ortalama 3,90 kg, boy 3,68 cm, cinsiyet F1 0,990. Ekran kartı gerekmiyor. Geliştiriciler açıkça uyarıyor: bu bir tıb

Paylaş
TotalSegmentator artık BT ve MR görüntüsünden kilo, boy, yaş ve cinsiyeti tahmin ediyor: CPU'da 20 saniye

Hastane görüntü arşivlerinin sessiz bir sorunu var: bir BT ya da MR taramasının yanındaki hasta ve çekim bilgileri çoğu zaman eksik, bazen de yanlış. Bu bilgiler klinik kararlar, görüntü kalite kontrolü ve otomatik araştırma hatları için gerekli oluyor.

Basel Üniversite Hastanesi merkezli bir ekip, bu boşluğu doğrudan görüntünün kendisinden doldurmayı öneriyor. Yaygın kullanılan açık kaynaklı segmentasyon aracı TotalSegmentator'e eklenen yeni bir görev, taramaya bakarak hastanın ve çekimin özelliklerini tahmin ediyor. Çalışma arXiv'de 29 Ağustos 2026'da yayımlandı.

Ne tahmin ediyor

Her iki modalitede ortak olarak: kilo, boy, yaş, cinsiyet, kontrast madde varlığı, omurga kapsamı ve görüntü gürültüsü.

Yalnız BT'de ayrıca: tarayıcı üreticisi, tüp voltajı, tüp akımı, konvolüsyon çekirdeği ve enjeksiyon sonrası geçen süre. Yalnız MR'da: sekans sınıfı.

Sayılar

Model, ayrı ayrı eğitilmiş 3B ResNet-10 topluluklarından oluşuyor. Eğitim verisi 2011-2025 arasını kapsayan 57.291 BT ve 43.200 MR klinik incelemesi.

Kurum içi test kümesinde BT sonuçları: kilo için ortalama mutlak hata 3,90 kg, boy 3,68 cm, yaş 4,42 yıl, cinsiyet F1 0,990. MR'da aynı sırayla 4,34 kg, 4,62 cm, 7,13 yıl ve 0,970.

Asıl anlamlı olan dış veri kümesi sonucu, çünkü modelin kendi hastanesinin dışında da tutup tutmadığını gösteriyor. Dış BT kümesinde: kilo 4,45 kg, boy 4,05 cm, yaş 5,17 yıl, cinsiyet F1 0,971. Yani düşüş var ama küçük; model kendi kurumuna aşırı uyum sağlamış görünmüyor.

Neden ekran kartı istemiyor

Pratikte en önemli ayrıntı bu. Çıkarım CPU üzerinde BT için 20 saniye, MR için 12 saniye sürüyor. Yani aracı çalıştırmak için GPU'lu bir sunucu almanız gerekmiyor; arşivde duran eski incelemeleri toplu şekilde geçirmek, sıradan bir sunucuda yapılabilir bir iş haline geliyor.

Nasıl çalıştırılıyor

Araç komut satırından tek satırla çağrılıyor:

totalseg_get_body_stats -i ct.nii.gz -o body_stats.json -m ct

Bu görev için ek olarak timm ve monai paketlerinin kurulması gerekiyor. Denemek için indirmeye gerek duymayanlar için ekip bir web arayüzü de açmış: compute.totalsegmentator.com/body-stats.

Lisans: çekirdek serbest, bazı modeller değil

TotalSegmentator'ün kendisi Apache-2.0 lisanslı, yani ticari kullanıma açık. Ancak deponun kendi notuna göre bazı özel modeller ayrı lisansa tabi: akademik olmayan kullanım için geliştiriciyle iletişime geçmek gerekiyor. Bir kuruma yerleştirmeden önce kullanacağınız görevin hangi kovaya düştüğüne bakmak gerekir.

Ve asıl uyarı

Geliştiriciler deponun içinde açıkça yazıyor: "Bu bir tıbbi cihaz değildir ve klinik kullanım için tasarlanmamıştır."

Bu cümle kozmetik değil. Aracın ilan edilen amacı, eksik meta veriyi tamamlamak, kalite kontrol yapmak ve araştırma hatlarını beslemek. Bir hastanın kilosunu ya da yaşını klinik bir karar için buradan okumak, aracın tasarlandığı iş değil. Kurumsal bir kurulumda bu ayrımın yazılı olması gerekir, çünkü çıktı bir JSON dosyası olarak geldiğinde onu üreten modelin sınırları görünmez hale gelir.

Ölçüsü kaçmasın diye

Bir hatırlatma da ters yönde. Görüntüden yaş, cinsiyet ve vücut ölçüsü çıkarabilen bir model, kimliksizleştirilmiş sanılan görüntü kümeleri için ayrı bir soru doğurur: hasta bilgisi silinmiş olsa bile görüntünün kendisi o bilginin bir kısmını taşımaya devam ediyor. Makale bu tartışmayı açmıyor, amacı da o değil; ama arşivini araştırmaya açacak bir kurumun bunu hesaba katması gerekir.

Kaynaklar

  • Birincil kaynak, makale: Jakob Wasserthal, Joshy Cyriac, Michael Bach, Kimia Mozahheb Yousefi, Minh-Son To, Mate Sik, Cedric Hemon, Thomas Weikert, Martin Segeroth, "Extending TotalSegmentator: Predicting Patient and Acquisition Characteristics from CT and MR Images", arXiv:2608.29348, 29 Ağustos 2026: arxiv.org/abs/2608.29348
  • Kod, lisans ve kullanım: TotalSegmentator deposu, komut ve lisans notları buradan alınmıştır: github.com/wasserth/TotalSegmentator
  • Web arayüzü: compute.totalsegmentator.com/body-stats
  • Duyuru: Makalenin ilk yazarı ve aracın geliştiricisi Jakob Wasserthal'in kendi hesabından yaptığı duyuru, 4 Eylül 2026.

Devamını oku

Liquid AI تطلق أكبر نماذج LFM2.5 المفتوحة لتشغيل الوكلاء على الأجهزة

Liquid AI تطلق أكبر نماذج LFM2.5 المفتوحة لتشغيل الوكلاء على الأجهزة

أطلقت Liquid AI نموذج LFM2.5-24B-A2B كنموذج مفتوح، ويضم 24 مليار معامل إجمالا لكنه يشغل نحو 2.5 مليار منها في كل خطوة. وبحسب النتائج التي نشرتها الشركة، يولد النموذج المدرب للوكلاء الذين يستخدمون الأدوات 184 رمزا في الثانية على Apple M5 Max.

GlobalFeed Editor tarafından