Характеристики

Параметры: 113 млн
Лицензия: Apache 2.0
Архитектура: vit · dense
Базовая модель: vit-base-patch16-224-in21k
Опубликована: 29 мая 2024

Ссылки

Hugging Face

bone-fracture-detection-using-xray

Hemgg

Классификация изображенийИзображение → label3 профессии

Дообученный ViT классифицирует рентгеновские изображения для выявления переломов костей.

536скачиваний за 30 дней0лайковвеса обновлены29 мая 2024

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

Модель Hemgg/bone-fracture-detection-using-xray — дообученный Vision Transformer на основе google/vit-base-patch16-224-in21k для классификации рентгеновских изображений с целью выявления переломов костей. Она содержит 113,2 млн параметров и распространяется в формате safetensors. В карточке указаны точность 0,9769 и loss 0,0458 на оценочном наборе данных; набор данных не описан.

Модель предназначена для автоматизированного анализа рентгенограмм и может служить вспомогательным инструментом при сортировке снимков. Она не заменяет заключение врача. Лицензия — Apache-2.0.

Сценарии применения

предварительная проверка рентгенограмм на переломы
сортировка снимков для последующего врачебного анализа
классификация рентгеновских изображений костей

Ограничения

Данные об оценке получены на наборе, состав и характеристики которого не описаны; результаты не подтверждают качество на других учреждениях и типах снимков. Модель следует использовать как вспомогательную, а не как замену медицинской диагностики.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей IV.3Отраслевые задачиСтрахование и актуарные задачиAI помогает оценивать риски, обрабатывать убытки и управлять страховым портфелем.30 задач563модели IV.8Отраслевые задачиГосударственное управление, правосудие и чрезвычайные ситуацииAI помогает улучшать государственные услуги, управление ресурсами, правосудие и реагирование на чрезвычайные ситуации.47 задач2 517моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

bone-fracture-detection-using-x-rays

This model is a fine-tuned version of google/vit-base-patch16-224-in21k on an unknown dataset. It achieves the following results on the evaluation set:

Loss: 0.0458
Accuracy: 0.9769

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy
0.5407	1.0	111	0.2512	0.9143
0.1819	2.0	222	0.1203	0.9526
0.1351	3.0	333	0.1183	0.9521
0.101	4.0	444	0.0905	0.9616
0.0705	5.0	555	0.0958	0.9628
0.0658	6.0	666	0.0671	0.9729
0.0584	7.0	777	0.0498	0.9803
0.0507	8.0	888	0.0633	0.9735
0.0508	9.0	999	0.0640	0.9797
0.0432	10.0	1110	0.0458	0.9769

Framework versions

Transformers 4.38.2
Pytorch 2.1.2
Datasets 2.18.0
Tokenizers 0.15.2

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: 516950b