/ Модель

Характеристики

Контекст
64 токена
Лицензия
Apache 2.0
Архитектура
siglip · dense
Библиотека
transformers
Опубликована
18 мая 2026

medsiglip-diagnosis

Классификация изображенийИзображение → label3 профессии

MedSigLip классифицирует кольпоскопические изображения, предсказывая класс или стадию состояния шейки матки.

83скачиваний за 30 дней1лайквеса обновлены11 июн 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

MedSigLip — модель классификации медицинских изображений, разработанная Khanyi Tapiwa Magagula из AI Eswatini. Она принимает изображения кольпоскопии и предсказывает наиболее вероятный класс или стадию состояния шейки матки. Модель построена на архитектуре SigLIP и опубликована для использования через Transformers; в репозитории указаны форматы Safetensors, ONNX и TFLite.

Модель предназначена для исследовательских и вспомогательных сценариев анализа кольпоскопических изображений. README не приводит метрик качества, сведений о клинической валидации или подробностей о классах, поэтому результаты нельзя считать самостоятельным диагнозом. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • Классификация кольпоскопического изображения по состоянию шейки матки
  • Предварительная оценка стадии заболевания по кольпоскопическому снимку
  • Исследовательский анализ медицинских изображений шейки матки

Ограничения

В README не приведены метрики и сведения о клинической валидации, а набор предсказываемых классов не описан подробно. Результат модели не следует считать самостоятельным медицинским диагнозом.

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

🩺 MedSigLip Diagnosis Model

This repository contains MedSigLip, a deep learning model for cervical cancer image diagnosis.
It takes colposcopy images as input and predicts the most likely stage/class of the condition.


📊 Model Details

  • Task: Image Classification
  • Domain: Healthcare – Cervical Cancer Diagnosis
  • Framework: Hugging Face Transformers / PyTorch
  • Author: Khanyi Tapiwa Magagula (AI Eswatini)

🚀 Inference API

Once the Inference API is enabled, you can run predictions without any setup. Example:

from huggingface_hub import InferenceClient

# Replace with your repo name
client = InferenceClient("KhanyiTapiwa00/medsiglip-diagnosis")

# Run image classification
result = client.image_classification("1_10.jpg")

print(result)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
SiglipModel
Ревизия весов
a635f36

0 моделей