/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
3,1 млрд
Размер весов
7,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2_5_vl · dense
Базовая модель
Qwen2.5-VL-3B-Instruct
Библиотека
transformers
Опубликована
17 мар 2026

SleepVLM-3B

Изображение и текст → текст3 профессии

Мультимодальная модель для объяснимого определения стадий сна по изображениям полисомнографических сигналов с обоснованиями по правилам AASM.

112скачиваний за 30 дней0лайковвеса обновлены17 мар 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

SleepVLM-3B — мультимодальная модель, разработанная Guifeng Deng, Pan Wang, Jiquan Wang, Tao Li и Haiteng Jiang для объяснимой автоматической классификации стадий сна по полисомнографическим (PSG) записям. Она принимает изображения многоканальных сигналов PSG, отображающих три последовательные 30-секундные эпохи, и для каждой эпохи предсказывает стадию сна W/N1/N2/N3/R, указывает применимые правила AASM и формирует структурированное текстовое обоснование.

Модель основана на Qwen2.5-VL-3B-Instruct и дообучена в два этапа: предварительное обучение восприятию волновых форм и контролируемая настройка с привязкой к правилам на экспертных аннотациях MASS-EX. Архитектура — Qwen2.5-VL, около 3,1 млрд параметров; модель использует изображения на входе и выдаёт текст. Контекст составляет 128 000 токенов. Карточка указывает английский язык. Лицензия — Apache-2.0.

Модель предназначена для исследований в области медицины сна, клинической информатики и интерпретируемого медицинского ИИ. Она предоставляет проверяемые относительно стандартов AASM объяснения решений, однако не прошла клиническую валидацию и не должна заменять оценку специалиста по анализу сна.

Сценарии применения

  • определение стадий сна по изображениям сигналов PSG
  • разметка последовательных 30-секундных эпох сна
  • получение объяснений решений классификатора стадий сна
  • проверка предсказаний стадий сна по правилам AASM
  • исследования интерпретируемого анализа полисомнографии

Ограничения

Модель предназначена для исследований, не валидирована для клинической диагностики и не должна заменять оценку специалиста. Предсказания основаны на изображениях сигналов PSG и сопровождаются объяснениями, привязанными к правилам AASM.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SleepVLM-3B

Explainable and Rule-Grounded Sleep Staging via a Vision-Language Model

Paper (coming soon) | GitHub | MASS-EX Dataset | Quantized Version (W4A16) | Collection


Associated Paper: Guifeng Deng, Pan Wang, Jiquan Wang, Tao Li, Haiteng Jiang. "SleepVLM: Explainable and Rule-Grounded Sleep Staging via a Vision-Language Model." In preparation. This repository will be made public upon release of the preprint.

Overview

SleepVLM-3B is a rule-grounded vision-language model for explainable automated sleep staging from polysomnography (PSG) recordings. Unlike conventional black-box classifiers that output only a stage label, SleepVLM generates clinician-readable natural-language rationales citing specific AASM scoring rules for every 30-second epoch, making each staging decision auditable against the clinical standard.

The model takes rendered multi-channel PSG waveform images as input (three consecutive 30-second epochs) and produces a predicted sleep stage (W/N1/N2/N3/R), applicable AASM rule identifiers, and a structured natural-language rationale.

SleepVLM-3B is fine-tuned from Qwen2.5-VL-3B-Instruct through a two-phase training pipeline: waveform-perceptual pre-training (WPT) followed by rule-grounded supervised fine-tuning (SFT) using expert annotations from MASS-EX.

Model Details

PropertyValue
Base modelQwen2.5-VL-3B-Instruct
Parameters~3.1B
Model size7.1 GB (BF16)
Fine-tuning methodLoRA (r=16, alpha=32, dropout=0.05)
Training hardware8x NVIDIA A100 80GB
Precisionbfloat16
InputThree consecutive 30-s PSG epoch images (448 x 224 px)
PSG channelsF4-M1, C4-M1, O2-M1, LOC, ROC, Chin EMG

Intended Use

  • Primary use: Research on explainable automated sleep staging from PSG recordings.
  • Intended users: Sleep medicine researchers, clinical informatics researchers, and AI/ML researchers working on interpretable medical AI.
  • Clinical note: This model is intended for research purposes. It has not been validated for clinical diagnostic use and should not replace professional sleep technologist scoring in clinical settings.

Citation

If you use SleepVLM in your research, please cite:

@article{deng2026sleepvlm,
  author    = {Deng, Guifeng and Wang, Pan and Wang, Jiquan and Li, Tao and Jiang, Haiteng},
  title     = {{SleepVLM}: Explainable and Rule-Grounded Sleep Staging
               via a Vision-Language Model},
  journal   = {}, % TODO: update after publication
  year      = {2026}
}

License

This model is released under the Apache 2.0 License.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2_5_VLForConditionalGeneration
Ревизия весов
38dda00

0 моделей