Pipeline principale di training del Progetto di Tesi Magistrale "Scaling of vision models on 3D brain images using SimCLR".

La presentazione (Presentazione_ScalingLawSimCLR.pptx) è quella che ho utilizzato durante la laurea (solo prime 42 slide - il resto sono bonus) che fornisce panoramica del lavoro fatto e risultati raggiunti.

L'obiettivo è addestrare diversi modelli in modo self-supervised su 3D Brain Image e poi confrontarli su vari downstream tasks.

I modelli usati sono basati su architetture Resnet3D e ViT3D

Downstream task presenti

• age regression
• sex classification
• grey matter regression
• cerebrospinal fluid volume regression
• average cortical thickness regression
• alzheimer classification

Documentazione non presente

trainer.py è lo script di training (e finetune) nella cartella scaling compute si trovano le funzioni usate per confronto in base a compute vi sono anche altre visualizzazioni per confronto tra modelli come:

• analisys: per loss di pretrain
• scatter_plot: per contronto few shot per age e sex tasks
• comparator e plot age error per age
• adni confusion matrix