/ Модель

Характеристики

Лицензия
CC BY-NC-SA 4.0
Библиотека
ultralytics
Опубликована
21 сен 2026

SurgBox-YOLOv8-x

Поиск объектовИзображение → bounding_boxes

Детектор YOLOv8-x находит и классифицирует семь видов хирургических инструментов на кадрах лапароскопических операций.

4скачиваний за 30 дней1лайквеса обновлены21 сен 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

SurgBox-YOLOv8-x — детектор хирургических инструментов на базе YOLOv8-x от M-Hamdy. Модель дообучена на COCO-предобученных весах Ultralytics и обучалась на псевдоразметке SurgBox из 56 видео Cholec80 без использования размеченных человеком рамок. Она обнаруживает семь классов: Grasper, Bipolar, Hook, Scissors, Clipper, Irrigator и SpecimenBag.

Модель предназначена для локализации инструментов на кадрах лапароскопических операций. В статье для тестовой выборки из 16 видео указаны COCO mAP 0,713 и AP50 0,869; на экспертно проверенной подвыборке из 197 кадров — mAP 0,833 и AP50 0,932. Она выдаёт координаты рамок, классы и оценки уверенности. Репозиторий содержит веса PyTorch для библиотеки Ultralytics. Лицензия CC BY-NC-SA 4.0 разрешает некоммерческое использование на её условиях.

Сценарии применения

  • обнаружение хирургических инструментов на кадрах Cholec80
  • локализация грейперов, ножниц и других инструментов в видео операций
  • анализ присутствия инструментов в лапароскопической хирургии
  • подготовка разметки рамками для хирургических видеоданных

Ограничения

Обучение проводилось на псевдоразметке SurgBox без человеческой разметки рамок, поэтому качество может зависеть от её ошибок и отличий новых видеоданных от Cholec80. Лицензия ограничивает использование некоммерческими сценариями.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SurgBox-YOLOv8-x

YOLOv8-x detector for the seven Cholec80 surgical instruments, trained only on SurgBox pseudo-labels, with no human box used in training.

Paper: From Presence Labels to Bounding Boxes: Can Multimodal Large Language Models Scale Surgical Instrument Localization? (MICAD 2026) Code: github.com/M-Hamdy-M/SurgBox Dataset: M-Hamdy/SurgBox

Model

ArchitectureYOLOv8-x (Ultralytics), COCO-pretrained
ClassesGrasper, Bipolar, Hook, Scissors, Clipper, Irrigator, SpecimenBag
Training dataSurgBox train split (56 Cholec80 videos)
Training640 px, 20 epochs, default augmentation

Results

COCO mAP on the 16 held-out test videos (39,354 frames) and on the expert-verified subset of the human reference (197 frames, 238 boxes), paper Table 2.

mAPAP50AP75F1
Test set0.7130.8690.78290.6
Expert-verified subset0.8330.9320.90987.8

Usage

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

model = YOLO(hf_hub_download("M-Hamdy/SurgBox-YOLOv8-x", "yolov8x_surgbox.pt"))
results = model.predict("frame.png", imgsz=640, conf=0.25)
for box in results[0].boxes:
    print(model.names[int(box.cls)], box.xyxy[0].tolist(), float(box.conf))

The model was trained on Cholec80 frames (854×480). Cholec80 is not redistributed; request it from CAMMA.

License

Released for non-commercial use only, under CC BY-NC-SA 4.0, consistent with Cholec80. The model was trained with Ultralytics, whose license (AGPL-3.0) also applies to its use.

Citation

If you use this model, please cite our paper:

@inproceedings{hamdy2026surgbox,
  title     = {From Presence Labels to Bounding Boxes: Can Multimodal Large Language Models Scale Surgical Instrument Localization?},
  author    = {Hamdy, Mohamed and Abdel-Ghani, Muraam and Ahmed, Fatmaelzahraa and Nasar, Sifna and Ahmed, Mariam and Al-Jalham, Khalid and Al-Ali, Abdulaziz and Balakrishnan, Shidin},
  booktitle = {Medical Imaging and Computer-Aided Diagnosis (MICAD)},
  year      = {2026}
}

Contact

Questions, issues and suggestions are welcome. Please open a discussion on this page or contact me.

Как запустить

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

GPU в ailist

Универсальный рантайм · ultralytics

Нельзя запустить

Модели Ultralytics YOLO требуют отдельного рантайма.

Ревизия весов
586dfc4

0 моделей