vesselFM

一个模型搞定各类三维血管分割，跨模态直接上手

vesselFM 是一个面向通用三维血管分割的基础模型，论文已被 CVPR 2025 接收。它旨在解决医学图像中血管结构复杂、标注数据稀缺且不同影像模态（如 CT、MRI、超声）差异大导致的传统分割模型泛化能力差的问题。该模型通过在大规模多模态血管数据上进行预训练，学习到通用的血管形态和上下文特征，从而能够仅通过少量微调甚至零样本方式适配新的数据集和任务。其核心能力包括：支持任意三维体积图像输入、输出高精度的血管分割掩码、跨模态迁移学习，以及为下游任务（如血管疾病诊断、手术规划）提供可靠的解剖结构基础。项目代码以 Python 实现，基于深度学习框架，提供了模型推理和微调的接口，便于研究者和开发者集成到自己的医学影像分析流程中。