/ Модель

Характеристики

Параметры
113 млн
Лицензия
Apache 2.0
Архитектура
vit · dense
Опубликована
27 янв 2026

dermaintel-wound-classifier

Классификация изображенийИзображение → label3 профессии

Модель ViT классифицирует изображения ран по семи категориям для поддержки оценки и документирования в здравоохранении.

57скачиваний за 30 дней0лайковвеса обновлены27 янв 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

DermaIntel Wound Type Classifier — модель компьютерного зрения на архитектуре Vision Transformer (ViT-Base), дообученная для классификации изображений ран. Она относит снимки к одной из семи категорий: пролежневая, венозная, артериальная, диабетическая, хирургическая или травматическая рана, а также здоровая кожа без раны. Модель разработана для платформы DermaIntel; в карточке указана базовая модель google/vit-base-patch16-224-in21k, а размер составляет 113,2 млн параметров.

Модель предназначена для поддержки клинической оценки, автоматизированного документирования ран и ведения пациентов в медицинских учреждениях, а также для обучения и исследований. На вход принимает цветные изображения RGB размером 224×224 пикселя и выдаёт метку класса. Лицензия — Apache-2.0.

Результат служит вспомогательной оценкой и не заменяет клиническое решение. Точность может снижаться при плохом качестве снимка или неподходящем освещении; модель не одобрена FDA для диагностического применения.

Сценарии применения

  • классификация типа раны по фотографии
  • распознавание пролежней, язв и травматических ран
  • выявление здоровой кожи без раны
  • автоматизированное документирование ран
  • поддержка оценки ран при ведении пациентов

Ограничения

Модель предназначена для поддержки клинических решений и не заменяет оценку специалиста; качество результата зависит от качества изображения и освещения. Она не одобрена FDA для диагностического применения.

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

DermaIntel Wound Type Classifier

Fine-tuned Vision Transformer (ViT) for medical wound type classification. Part of the DermaIntel medical imaging platform.

Model Description

This model classifies wound images into 7 categories:

  • Pressure Ulcer/Injury - Caused by prolonged pressure on skin
  • Venous Ulcer - Caused by venous insufficiency
  • Arterial Ulcer - Caused by arterial insufficiency
  • Diabetic Ulcer - Foot ulcers in diabetic patients
  • Surgical Wound - Post-operative wounds
  • Traumatic Wound - Injury-related wounds
  • Normal/Healthy Skin - No wound detected

Intended Use

  • Clinical decision support for wound assessment
  • Automated wound documentation
  • Wound care management in healthcare settings
  • Educational and research purposes

Training

  • Base Model: google/vit-base-patch16-224-in21k
  • Fine-tuning: Custom wound image dataset
  • Architecture: Vision Transformer (ViT-Base)
  • Input Size: 224x224 RGB images

Usage

from transformers import ViTForImageClassification, ViTImageProcessor
from PIL import Image

# Load model
processor = ViTImageProcessor.from_pretrained("PayamFard123/dermaintel-wound-classifier")
model = ViTForImageClassification.from_pretrained("PayamFard123/dermaintel-wound-classifier")

# Classify image
image = Image.open("wound_image.jpg")
inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)
predicted_class = outputs.logits.argmax(-1).item()

Classes

IndexLabel
0Pressure Ulcer/Injury
1Venous Ulcer
2Arterial Ulcer
3Diabetic Ulcer
4Surgical Wound
5Traumatic Wound
6Normal/Healthy Skin

Limitations

  • This model is intended for clinical decision support, not replacement of clinical judgment
  • Performance may vary with image quality and lighting conditions
  • Should be used in conjunction with clinical assessment
  • Not FDA approved for diagnostic use

Citation

If you use this model, please cite:

@misc{dermaintel-wound-classifier,
  title={DermaIntel Wound Type Classifier},
  author={DermaIntel Team},
  year={2024},
  publisher={HuggingFace},
  url={https://huggingface.co/PayamFard123/dermaintel-wound-classifier}
}

Contact

For questions or issues, contact the DermaIntel team.

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
5f5faf6

0 моделей