/ Модель

Характеристики

Лицензия
MIT
Архитектура
chexficient_clip · dense
Базовая модель
dinov2-small
Опубликована
21 фев 2026

CheXficient

Классификация изображений без дообученияИзображение, текст → label3 профессии

CheXficient сопоставляет рентгенограммы грудной клетки с текстовыми подсказками для классификации без отдельного обучения под каждый класс.

316скачиваний за 30 дней3лайкавеса обновлены1 мар 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

CheXficient — мультимодальная модель Stanford AIMI для интерпретации рентгенограмм грудной клетки. Она использует архитектуру с двумя энкодерами: визуальный энкодер на основе DINOv2 и текстовый энкодер BioClinicalBERT. Модель сопоставляет изображение рентгенограммы с текстовыми подсказками и выдаёт оценки сходства и совместные представления изображения и текста.

Модель предназначена для классификации рентгенограмм по текстовым запросам без отдельного обучения под каждый класс, а также для исследований в медицинском ИИ и мультимодальном обучении. В карточке указана стратегия отбора информативных примеров для более эффективного по данным и вычислениям предварительного обучения. Модель связана с наборами MIMIC-CXR, CheXpert, ReXGradient-160K, NIH Chest X-ray-14 и VinDr-CXR.

Репозиторий содержит веса в формате safetensors и использует PyTorch и Hugging Face Transformers. Лицензия — MIT. Результаты предназначены для исследовательского применения; карточка не подтверждает клиническую валидацию или пригодность для принятия медицинских решений.

Сценарии применения

  • Классификация рентгенограмм грудной клетки по текстовым описаниям
  • Сопоставление рентгенограммы с возможными диагнозами или находками
  • Исследования zero-shot классификации медицинских изображений
  • Извлечение совместных представлений рентгенограмм и текстовых подсказок

Ограничения

Карточка описывает исследовательское назначение и не подтверждает клиническую валидацию или пригодность модели для диагностики и принятия медицинских решений. Качество классификации зависит от формулировок текстовых подсказок и не описаны количественные показатели качества.

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

CheXficient

Paper | GitHub

CheXficient is a vision-language foundation model for chest X-ray (CXR) interpretation, designed to improve both data efficiency and computational efficiency during pretraining.

Instead of scaling indiscriminately to ever-larger datasets, CheXficient adopts a principled data curation strategy to selectively prioritize informative training samples. This approach demonstrates that active, structured data selection can serve as a cost-effective alternative to brute-force dataset enlargement.

The model follows a dual-encoder architecture and supports prompt-based zero-shot classification via joint image-text representation learning.


Model Overview

  • Architecture: Vision-language dual encoder
  • Image Backbone: DINOv2 (base)
  • Text Backbone: BioClinicalBERT
  • Input: Chest X-ray image + text prompts
  • Output: Image-text similarity logits and embeddings
  • Framework: PyTorch + Hugging Face Transformers
  • Intended Use: Research in medical AI and multimodal learning

Installation

pip install torch torchvision transformers pillow

Load the Model

import torch
from PIL import Image
from transformers import AutoModel, AutoTokenizer, AutoImageProcessor

repo_id = "StanfordAIMI/CheXficient"
device = "cuda" if torch.cuda.is_available() else "cpu"

model = AutoModel.from_pretrained(
    repo_id,
    trust_remote_code=True
).to(device)

tokenizer = AutoTokenizer.from_pretrained(repo_id, trust_remote_code=True)
image_processor = AutoImageProcessor.from_pretrained(repo_id, trust_remote_code=True)

model.eval()

Zero-Shot Classification Example

image = Image.open("./CXR/images/5AF3BB6C1BCC83C.png").convert("RGB")
text = ["Pneumonia", "no Pneumonia"]

image_inputs = image_processor(images=image, return_tensors="pt").to(device)
text_inputs = tokenizer(text, padding=True, return_tensors="pt").to(device)

with torch.no_grad():
    outputs = model(
        pixel_values=image_inputs["pixel_values"],
        text_tokens=text_inputs,
    )

print(outputs)

Optional probability conversion:

import torch.nn.functional as F

logits = outputs["logits_per_image"]
probs = F.softmax(logits, dim=-1)
print(probs)

Citation

@article{wang2026data,
  title={A data-and compute-efficient chest X-ray foundation model beyond aggressive scaling},
  author={Wang, Chong and Zhang, Yabin and Gao, Yunhe and Varma, Maya and Mottez, Clemence and Patsatzi, Faidra and Liu, Jiaming and Long, Jin and Delbrouck, Jean-Benoit and Gatidis, Sergios and others},
  journal={arXiv preprint arXiv:2602.22843},
  year={2026}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · zero-shot-image-classification

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
CheXficientModel
Ревизия весов
34bb5ea

0 моделей