Характеристики

Опубликована: 13 сен 2026

Ссылки

LUS-Consolidation-Benchmark-Weights

Сегментация изображенийИзображение → mask

Набор контрольных точек сегментационных моделей для сравнения методов выделения консолидации лёгких на ультразвуковых изображениях.

0скачиваний за 30 дней0лайковвеса обновлены13 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

Это набор из 72 контрольных точек сегментационных моделей для бенчмарка LUS Consolidation Benchmark, разработанный авторами проекта THA-zhang. В него входят 36 моделей для трека с изображениями 512 × 512 и 36 для трека 224 × 224. Это не единая модель Transformers: контрольные точки сохраняют исходный формат сериализации и загружаются через адаптеры соответствующих семейств моделей.

Набор предназначен для инференса и сравнения моделей, сегментирующих консолидацию лёгких на ультразвуковых изображениях. README сообщает, что маршруты инференса проверены на пяти изображениях с пятью отдельными пациентами в каждом треке; результаты этой проверки не являются полными результатами бенчмарка или подтверждением клинической пригодности. Обучающие данные не входят в репозиторий, а для каждого чекпойнта предусмотрены манифест с контрольными суммами и файл SHA-256 для проверки загрузки.

Лицензия зависит от конкретной модели: лицензия Apache-2.0 репозитория с кодом не распространяется автоматически на все исходные модели и производные веса. Перед использованием или распространением нужно соблюдать соответствующие лицензии и уведомления, включая лицензию SAM для SAM3.

Сценарии применения

сегментация консолидации лёгких на УЗИ
сравнение моделей сегментации медицинских изображений
инференс по контрольным точкам для разрешения 512 × 512
инференс по контрольным точкам для разрешения 224 × 224

Ограничения

Проверка инференса охватывала только пять изображений на каждый трек и не подтверждает полные результаты бенчмарка или клиническую пригодность; обучающий набор данных не включён. Условия лицензирования различаются между моделями, поэтому перед использованием и распространением необходимо проверить лицензии исходных моделей и весов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LUS Consolidation Benchmark: model checkpoints

This collection contains 72 checkpoints: 36 segmentation models for each of the 512 x 512 and 224 x 224 tracks. Preserve the folder structure when downloading. The downloaded directory is the --pth input for the code repository: https://github.com/THA-NJU/LUS-Consolidation-Benchmark

weights_manifest.json maps every model/track to its tested checkpoint and SHA-256. SHA256SUMS supports independent download verification. Checkpoints retain their native serialization and must be loaded through the corresponding model adapter. Use the code README's model-family environments; this is not one Transformers model.

Both tracks passed five-image evaluation, with five distinct test patients per track. This confirms the tested inference routes, not complete benchmark scores or clinical deployment validation. See the manuscript for benchmark results. The code's 35 representative minimal training checks do not establish full-run training reproduction or convergence.

The training dataset is not included. Dataset release is planned after paper acceptance. The 224 track was created by sliding crops and repartitioned by patient; the two tracks use independent patient splits.

Licensing is model-specific. The code repository's Apache-2.0 license must not be treated as a blanket license for all upstream models or derived checkpoints. Retain applicable upstream notices and terms, including the SAM License for SAM3. Consult the code repository's THIRD_PARTY_NOTICES.md and the relevant upstream source/weight licenses for each model before use or redistribution.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: 942ef16