Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224
Опубликована: 11 окт 2026

Ссылки

vit-brain-tumour-mri

Классификация изображенийИзображение → label

Учебная модель на базе Vision Transformer для классификации МРТ головного мозга по четырём категориям опухолей и отсутствию опухоли.

1 377скачиваний за 30 дней0лайковвеса обновлены11 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это модель классификации МРТ-изображений головного мозга, созданная как учебный проект для курса MAAI901 Deep Learning for Visual Data. Она дообучена на базе google/vit-base-patch16-224 — Vision Transformer с 113,2 млн параметров — и относит снимок к одному из четырёх классов: глиома, менингиома, отсутствие опухоли или опухоль гипофиза. Модель принимает изображения и выдаёт метку класса.

Её можно использовать для учебных демонстраций классификации медицинских изображений и экспериментов с Vision Transformer на наборе МРТ. В README приведены результаты на тестовой выборке, но часть изображений почти совпадает с примерами обучения, а классификация может опираться на формат или размер снимка и на области вне опухоли. Модель не проверялась на снимках из других больниц и сканеров, поэтому её нельзя использовать для медицинской диагностики. Лицензия — Apache-2.0.

Сценарии применения

Классификация МРТ головного мозга на глиому, менингиому, опухоль гипофиза или отсутствие опухоли
Учебная демонстрация классификации медицинских изображений
Эксперименты с дообучением Vision Transformer на МРТ

Ограничения

Модель предназначена только для обучения, а не для диагностики. Результаты тестирования могут быть завышены из-за почти дублирующих обучающих и тестовых снимков; модель не проверялась на данных других больниц и может использовать побочные визуальные признаки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ViT for brain tumour MRI classification

google/vit-base-patch16-224 fine-tuned to classify a brain MRI scan as glioma, meningioma, no tumour or pituitary tumour. Made for the MAAI901 Deep Learning for Visual Data course (CNN2ViT workshop). Demo: a Gradio web app in the project's Colab notebook.

Educational project only - not for medical diagnosis.

Training

Dataset: Kaynaaf/Brain-Tumour-MRI (4,855 training, 857 validation, 1,311 test scans)
5 epochs, batch size 32, learning rate 5e-5 with 10% warm-up, mixed precision, light augmentation (flip + tilt up to 10 degrees)
Kept the epoch with the best validation accuracy

Results on the test set

All 1,311 test scans: 98.9% accuracy
The 864 test scans without a near-identical copy in the training data: 98.4% accuracy

Limitations

447 of the 1,311 test scans have a practically identical copy in the training data, which inflates the headline score.
The classes come from different sources: a simple model that only sees image size and colour format (no brain pixels) finds 99% of the "no tumour" scans, so the model may partly rely on such shortcuts.
Attention maps show it sometimes focuses on the skull or the eyes instead of the tumour.
Not tested on scans from other hospitals or scanners.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: ViTForImageClassification
Ревизия весов: 825e232