/ Модель

Характеристики

Лицензия
MIT
Архитектура
clip · dense
Опубликована
13 июн 2023

pubmed-clip-vit-base-patch32

Классификация изображений без дообученияИзображение, текст → label3 профессии

PubMedCLIP ViT32 — CLIP, дообученный на медицинских изображениях и подписях для классификации снимков по текстовым описаниям.

7 789скачиваний за 30 дней23лайкавеса обновлены28 дек 2023

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

PubMedCLIP ViT32 — дообученная для медицинской области версия CLIP, опубликованная авторами проекта PubMedCLIP. В этом репозитории находится вариант с визуальным энкодером ViT32; модель обучали 50 эпох на мультимодальном медицинском наборе ROCO, составленном из изображений и подписей к статьям PubMed. В ROCO представлены рентгеновские снимки, МРТ, УЗИ, рентгеноскопия и изображения разных областей тела.

Модель предназначена для классификации медицинских изображений по текстовым описаниям без специального обучения на новых классах: пользователь задаёт варианты описаний, а CLIP оценивает их соответствие изображению. Это может помочь в исследовательской сортировке и поиске изображений по медицинским текстовым категориям. Карточка сообщает о лицензии MIT для кода и предобученных весов. Оценки соответствия не заменяют медицинскую интерпретацию специалистом; обучение на ROCO ограничивает основания для переноса результатов на изображения и сценарии, не представленные в этом наборе.

Сценарии применения

  • сортировка рентгеновских снимков по текстовым категориям
  • поиск медицинских изображений по описаниям
  • классификация изображений МРТ по заданным текстовым вариантам
  • сопоставление УЗИ и рентгеноскопии с медицинскими подписями

Ограничения

Обучение проводилось на ROCO, поэтому качество может снижаться на изображениях и сценариях, отличающихся от данных открытых статей PubMed. Модель не предназначена для замены клинической оценки специалиста.

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

Model Card for PubMedCLIP

PubMedCLIP is a fine-tuned version of CLIP for the medical domain.

Model Description

PubMedCLIP was trained on the Radiology Objects in COntext (ROCO) dataset, a large-scale multimodal medical imaging dataset. The ROCO dataset includes diverse imaging modalities (such as X-Ray, MRI, ultrasound, fluoroscopy, etc.) from various human body regions (such as head, spine, chest, abdomen, etc.) captured from open-access PubMed articles.

PubMedCLIP was trained for 50 epochs with a batch size of 64 using the Adam optimizer with a learning rate of 10−5. The authors have released three different pre-trained models at this link which use ResNet-50, ResNet-50x4 and ViT32 as image encoders. This repository includes only the ViT32 variant of the PubMedCLIP model.

Usage

import requests
from PIL import Image
import matplotlib.pyplot as plt

from transformers import CLIPProcessor, CLIPModel

model = CLIPModel.from_pretrained("flaviagiammarino/pubmed-clip-vit-base-patch32")
processor = CLIPProcessor.from_pretrained("flaviagiammarino/pubmed-clip-vit-base-patch32")

url = "https://huggingface.co/flaviagiammarino/pubmed-clip-vit-base-patch32/resolve/main/scripts/input.jpeg"
image = Image.open(requests.get(url, stream=True).raw)
text = ["Chest X-Ray", "Brain MRI", "Abdominal CT Scan"]

inputs = processor(text=text, images=image, return_tensors="pt", padding=True)
probs = model(**inputs).logits_per_image.softmax(dim=1).squeeze()

plt.subplots()
plt.imshow(image)
plt.title("".join([x[0] + ": " + x[1] + "\n" for x in zip(text, [format(prob, ".4%") for prob in probs])]))
plt.axis("off")
plt.tight_layout()
plt.show()

results

Additional Information

Licensing Information

The authors have released the model code and pre-trained checkpoints under the MIT License.

Citation Information

@article{eslami2021does,
  title={Does clip benefit visual question answering in the medical domain as much as it does in the general domain?},
  author={Eslami, Sedigheh and de Melo, Gerard and Meinel, Christoph},
  journal={arXiv preprint arXiv:2112.13906},
  year={2021}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · zero-shot-image-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
CLIPModel
Ревизия весов
26c0c67

0 моделей