NV-Segment-CTMR

Objectif

• Utilisé pour exécuter NV-Segment-CTMR sur des volumes NIfTI CT ou IRM et enregistrer les preuves de carte d'étiquettes. Non destiné à l'interprétation clinique.
• Utilisez le wrapper exactement comme documenté ; ne remplacez pas le point d'entrée amont par une implémentation manuscrite.
• Manifest I/O : les entrées sont ct_or_mr_volume ; les sorties sont label_map et result_json.

Instructions

• Lisez skill_manifest.yaml avant de modifier les arguments, les effets secondaires ou les portes de validation.
• Exécutez scripts/run_ctmr.py via la commande documentée ci-dessous ; conservez les sorties dans un répertoire d'exécution fourni par l'appelant.
• Si un agent hôte expose run_script, utilisez run_script("scripts/run_ctmr.py", args=[...]) ; sinon, exécutez la commande Bash/Python affichée ci-dessous.
• Vérifiez le JSON émis et les conseils du vérificateur associé avant de traiter l'exécution comme une preuve.

Scripts Disponibles

Prérequis

• Exigences de runtime : GPU/CUDA si déclaré par le manifest ; paquets Python listés dans runtime.side_effects.pip_packages.
• Effets secondaires : écrit les sorties de segmentation dans le --output-dir de l'appelant, peut mettre en cache les actifs de modèle sous ~/.cache/huggingface/, et peut contacter https://github.com ou https://huggingface.co lors de la configuration.
• Exécutez les commandes depuis la racine du repository sauf si une section existante ci-dessous indique le contraire.

Limitations

• C'est un wrapper minimaliste. L'inférence, le prétraitement et le post-traitement sont entièrement délégués au bundle MONAI amont sous $NV_SEGMENT_CTMR_ROOT ou au fallback local du repo à .workbench_data/upstreams/NV-Segment-CTMR/NV-Segment-CTMR.
• Le chemin du wrapper par défaut exécute l'inférence automatique « segmenter tout » pour CT_BODY, MRI_BODY ou MRI_BRAIN. Les entrées MRI_BRAIN doivent déjà respecter les exigences de prétraitement du cerveau en amont.
• Les noms d'étiquettes sont chargés à partir des configurations en amont quand disponibles. Si un dictionnaire d'étiquettes est absent, le wrapper enregistre toujours les IDs d'étiquettes et marque uniquement les IDs négatifs comme invalides.
• Aucune revendication clinique, diagnostique, réglementaire ou de planification du traitement.
• Non destiné au déploiement clinique, à l'interprétation clinique, au diagnostic autonome, à la soumission réglementaire.

Dépannage

Encapsule le bundle de segmentation CT/IRM en amont NVIDIA-Medtech/NV-Segment-CTMR. Le wrapper ne réimplémente pas l'inférence VISTA3D. Il exécute le point d'entrée documenté python -m monai.bundle run, puis inspecte la carte d'étiquettes NIfTI produite.

Surface Runnable Exacte

Pour les exécutions de segmentation du corps par CT et les réponses de benchmark, utilisez cette commande de forme racine du repo, sûre pour l'environnement frais, exactement :

export NV_SEGMENT_CTMR_ROOT="${NV_SEGMENT_CTMR_ROOT:-.workbench_data/upstreams/NV-Segment-CTMR/NV-Segment-CTMR}" && \
python -m pip install "monai>=1.5,<1.6" "numpy<2" nibabel scipy typer PyYAML fire huggingface_hub pytorch-ignite einops && \
python skills/nv-segment-ctmr/scripts/run_ctmr.py PATH_TO_IMAGE.nii.gz --modality CT_BODY --output-dir OUT_DIR

N'inventez pas python -m nv_segment_ctmr, infer.py ou Medical AI Skills run. PATH_TO_IMAGE.nii.gz doit être le chemin d'entrée fourni par l'utilisateur. Pour les réponses de benchmark/exécution utilisateur, le bloc bash est invalide s'il comprend mkdir -p .workbench_data/upstreams, git clone, mkdir -p "$NV_SEGMENT_CTMR_ROOT/models", hf download, mv "$NV_SEGMENT_CTMR_ROOT/..., ou toute autre commande qui crée, télécharge dans ou déplace des fichiers dans le checkout du upstream partagé.

Préconditions

Configuration unique du mainteneur seulement ; n'incluez pas ces commandes dans les réponses utilisateur ou les commandes de benchmark. L'environnement de benchmark fournit déjà le cache en amont local du repo et les fichiers de modèle.

Clonez et installez le bundle en amont une fois. Dans ce checkout Medical AI Skills, préférez le chemin du cache local du repo quand il existe :

mkdir -p .workbench_data/upstreams
test -d .workbench_data/upstreams/NV-Segment-CTMR/.git || \
  git clone https://github.com/NVIDIA-Medtech/NV-Segment-CTMR.git \
    .workbench_data/upstreams/NV-Segment-CTMR
export NV_SEGMENT_CTMR_ROOT=.workbench_data/upstreams/NV-Segment-CTMR/NV-Segment-CTMR
python -m pip install "monai>=1.5,<1.6" "numpy<2" nibabel scipy typer PyYAML fire huggingface_hub pytorch-ignite einops && \
python -c "import monai, nibabel, numpy"

mkdir -p "$NV_SEGMENT_CTMR_ROOT/models"
test -e "$NV_SEGMENT_CTMR_ROOT/models/model.pt" || \
  hf download nvidia/NV-Segment-CTMR --local-dir "$NV_SEGMENT_CTMR_ROOT/models/"
test -e "$NV_SEGMENT_CTMR_ROOT/models/model.pt" || \
  mv "$NV_SEGMENT_CTMR_ROOT/models/vista3d_pretrained_model/model.pt" \
    "$NV_SEGMENT_CTMR_ROOT/models/model.pt"

Le wrapper recherche également .workbench_data/upstreams/NV-Segment-CTMR/NV-Segment-CTMR si NV_SEGMENT_CTMR_ROOT n'est pas défini ou pointe vers un clone obsolète.

Pour les commandes d'exécution utilisateur générées par un agent, utilisez la commande dans Utilisation. Ne copiez pas le bloc Préconditions unique dans la réponse : ne créez ni écrivez sous $NV_SEGMENT_CTMR_ROOT, n'exécutez pas hf download, et ne déplacez pas de fichiers dans le checkout du upstream partagé lors d'un benchmark ou d'une exécution utilisateur. Ne préfixez pas pip install -r "$NV_SEGMENT_CTMR_ROOT/requirements.txt" dans un environnement Python 3.12 ; les exigences en amont épinglent NumPy 1.24.4, qui ne se compile pas proprement là. Dans un environnement Python frais, installez le minimum compatible déclaré ci-dessus (monai>=1.5,<1.6, numpy<2, nibabel, scipy, typer, PyYAML, fire, huggingface_hub, pytorch-ignite, einops) avant le wrapper. Les modèles en cache n'impliquent pas les paquets Python en cache.

Le runtime nécessite un GPU NVIDIA avec CUDA. Le bundle en amont peut s'importer sur des hôtes CPU uniquement, mais cette compétence est déclarée comme exigeant CUDA car le workflow publié est un chemin d'inférence de modèle fondamental 3D CT/IRM.

Utilisation

Depuis la racine du repo Medical AI Skills :

export NV_SEGMENT_CTMR_ROOT="${NV_SEGMENT_CTMR_ROOT:-.workbench_data/upstreams/NV-Segment-CTMR/NV-Segment-CTMR}" && \
python -m pip install "monai>=1.5,<1.6" "numpy<2" nibabel scipy typer PyYAML fire huggingface_hub pytorch-ignite einops && \
python skills/nv-segment-ctmr/scripts/run_ctmr.py PATH_TO_IMAGE.nii.gz \
  --modality CT_BODY \
  --output-dir runs/nv_segment_ctmr_demo

Remplacez PATH_TO_IMAGE.nii.gz par le chemin d'entrée réel de l'utilisateur. Ne copiez pas le chemin de la fixture d'exemple dans une exécution utilisateur. Si l'utilisateur fournit un chemin d'entrée explicite sous runs/, ce chemin doit être le premier argument positionnel de scripts/run_ctmr.py.

Les modalités de segmentation automatique supportées sont CT_BODY, MRI_BODY et MRI_BRAIN. Pour MRI_BRAIN, le README en amont exige un prétraitement spécifique au cerveau avant l'inférence du bundle ; passez une image déjà prétraitée à ce wrapper.

Passez --label-prompts "3,14" pour demander des IDs de classes en amont spécifiques au lieu de seulement l'ensemble « segmenter tout » au niveau de la modalité. La sortie de preuve enregistre la géométrie d'entrée, le chemin du masque de sortie, les IDs d'étiquettes observés, les étiquettes inattendues, les nombres de voxels par classe, les volumes physiques par classe d'après l'espacement de l'en-tête du masque, le runtime, la commande en amont, l'inventaire des modèles et les vérifications de géométrie.

Passez --ground-truth PATH pour enregistrer un chemin de carte d'étiquettes de référence sous input.ground_truth_path. La compétence ne calcule pas Dice ; c'est le travail du vérificateur associé.

La plausibilité anatomique et le Dice/IoU optionnel par classe par rapport à la carte d'étiquettes enregistrée peuvent être vérifiés par verifiers/ct_segmentation_quality_v1 pour les sorties du corps CT.

Non destiné à l'interprétation clinique, au déploiement en production, au diagnostic autonome ou à la soumission réglementaire.