/ Модель

Характеристики

Лицензия
WTFPL
Опубликована
12 мая 2023

Prompt2MedImage

Генерация изображенийТекст → изображение3 профессии

Prompt2MedImage — дообученная диффузионная модель, создающая медицинские изображения по текстовым описаниям на английском языке.

16скачиваний за 30 дней15лайковвеса обновлены19 ноя 2024

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 «Изображения» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели сгенерируют результат по каждой задаче. Опубликованный тест 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

Prompt2MedImage — латентная диффузионная модель для генерации медицинских изображений по текстовому описанию. Её разработал Nihir Chadderwala; модель дообучена на медицинских изображениях из набора ROCO и использует фиксированный предварительно обученный текстовый энкодер CLIP ViT-L/14. Для запуска предназначена библиотека Diffusers.

Модель рассчитана на создание изображений по англоязычным текстовым запросам, в том числе описаниям медицинских случаев и рентгенограмм. Репозиторий распространяется по лицензии WTFPL. Карточка не приводит размер модели и длину контекста; качество и клиническая применимость сгенерированных изображений не подтверждены приведёнными сведениями.

Сценарии применения

  • создание медицинского изображения по англоязычному описанию случая
  • генерация иллюстрации рентгенограммы по текстовому запросу
  • подготовка синтетических медицинских изображений для прототипов и демонстраций

Ограничения

В карточке нет сведений о клинической валидации, поэтому сгенерированные изображения не следует считать диагностическими. Описан только английский язык запросов.

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

Prompt2MedImage - Diffusion for Medical Images

Prompt2MedImage is a latent text to image diffusion model that has been fine-tuned on medical images from ROCO dataset.

The weights here are itended to be used with the 🧨Diffusers library.

This model was trained using Amazon SageMaker and the Hugging Face Deep Learning container.

Model Details

  • Developed by: Nihir Chadderwala
  • Model type: Diffusion based text to medical image generation model
  • Language: English
  • License: wtfpl
  • Model Description: This latent text to image diffusion model can be used to generate high quality medical images based on text prompts. It uses a fixed, pretrained text encoder (CLIP ViT-L/14) as suggested in the Imagen paper.

Examples

  1. The patient had residual paralysis of the hand after poliomyelitis. It was necessary to stabilize the thumb with reference to the index finger. This was accomplished by placing a graft from the bone bank between the first and second metacarpals. The roentgenogram shows the complete healing of the graft one year later.

hand

  1. A 3-year-old child with visual difficulties. Axial FLAIR image show a supra-sellar lesion extending to the temporal lobes along the optic tracts (arrows) with moderate mass effect, compatible with optic glioma. FLAIR hyperintensity is also noted in the left mesencephalon from additional tumoral involvement

3_tumor

  1. Showing the subtrochanteric fracture in the porotic bone.

protic bone

License

This model is open access and available to all, with a Do What the F*ck You want to public license further specifying rights and usage.

  • You can't use the model to deliberately produce nor share illegal or harmful outputs or content.
  • The author claims no rights on the outputs you generate, you are free to use them and are accountable for their use.
  • You may re-distribute the weights and use the model commercially and/or as a service.

Run using PyTorch

pip install diffusers transformers

Running pipeline with default PNDM scheduler:

import torch
from diffusers import StableDiffusionPipeline

model_id = "Nihirc/Prompt2MedImage"
device = "cuda"

pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
pipe = pipe.to(device)

prompt = "Showing the subtrochanteric fracture in the porotic bone."
image = pipe(prompt).images[0]  
    
image.save("porotic_bone_fracture.png")

Citation

O. Pelka, S. Koitka, J. Rückert, F. Nensa, C.M. Friedrich,
"Radiology Objects in COntext (ROCO): A Multimodal Image Dataset".
MICCAI Workshop on Large-scale Annotation of Biomedical Data and Expert Label Synthesis (LABELS) 2018, September 16, 2018, Granada, Spain. Lecture Notes on Computer Science (LNCS), vol. 11043, pp. 180-189, Springer Cham, 2018.
doi: 10.1007/978-3-030-01364-6_20

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
84d734c

0 моделей