/ Модель

Характеристики

Библиотека
transformers
Опубликована
3 окт 2024

Jivi-RadX-v1

Изображение и текст → текст

Jivi-RadX-v1 — англоязычная медицинская визуально-языковая модель для ответов на вопросы по рентгеновским снимкам.

0скачиваний за 30 дней21лайквеса обновлены30 июл 2025

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

Jivi-RadX-v1 — медицинская визуально-языковая модель Jivi AI для анализа рентгеновских снимков. Она принимает изображение рентгена и текстовый вопрос, а затем формирует ответ на естественном языке, помогая разбирать снимки и отвечать на вопросы о них. Модель построена на базе текстовой Llama 3.1 с отдельно обученным визуальным энкодером и проектором; опубликованные веса представлены в формате safetensors и рассчитаны на использование с Transformers.

Модель обучалась на 365 тысячах пар медицинских изображений и текстов, а для настройки инструкций использовалось более 280 тысяч синтетических примеров. В README приведены результаты оценивания на наборах CheXpert и NIH Chest X-Ray, однако их следует считать заявленными авторами результатами. Модель поддерживает английский язык и предназначена для медицинских исследований и воспроизведения экспериментальных результатов; README не заявляет клиническую валидацию или пригодность для самостоятельной постановки диагноза. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • ответы на вопросы о рентгеновском снимке грудной клетки
  • анализ рентгеновских изображений для медицинских исследований
  • описание визуальных признаков на рентгене
  • оценка ответов медицинских визуально-языковых моделей

Ограничения

Модель поддерживает только английский язык. В README указано исследовательское назначение; клиническая валидация и пригодность для самостоятельной постановки диагноза не заявлены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Jivi-RadX: Large Language Vision Assistant for Xrays

Introducing Jivi-RadX-v1, an advanced visual language model specifically designed for sophisticated image reasoning in the healthcare domain. With its robust capabilities, this model excels at interpreting radiographic X-ray images, offering accurate and insightful responses to a wide range of diagnostic and analytical questions. Whether it's aiding clinicians in making informed decisions or assisting researchers in understanding complex image data, Jivi-RadX-v1 pushes the boundaries of medical imaging analysis.

Model Architecture: Jivi-RadX-v1 is built on top of Llama 3.1 text-only model, which is an auto-regressive language model that uses an optimized transformer architecture. To support image recognition tasks, we use a separately trained vision encoder and a vision projector that integrates with our base language model.

Benchmarks

We have released our x-ray benchmark jivi_chexnet which combines rich and diverse x-ray images along with verified question and answer on them. Below is the comparision of our model with other open-source and closed-source vision LLMs.

ModelCheXpert (Stanford dataset)NIH Chest X-Ray (NIH UK Dataset)Overall Accuracy
Jivi AI (Jivi-RadX)85%64.5%75%
Open AI (GPT-4o)81.5%66.3%74%
Stanford AIMI (ChexAgent-8b)55.6%50.3%53%
Microsoft (Llava-Med)51%46.6%49%
*Google (Gemini 1.5 Pro)36%58%47%

*Gemini 1.5 Pro occasionally declines to respond to medical questions, which affects its overall accuracy.

*Benchmark numbers were calculated using lmms-eval by LMMs-Lab.

Training process:

Training Data

Jivi-RadX-v1 was pretrained on 365k medical image and text pairs. The instruction tuning data includes over 280k synthetically generated examples.

Synthetic Data Generation

We leveraged various closed-source and open-source visual LLMs and used the metadata of the x-ray images to generate rich captions for training.

How to use

Use with transformers

Please ensure transformers>=4.45.2

import requests
import torch
from PIL import Image
from transformers import (AutoProcessor, AutoTokenizer,
                          LlavaForConditionalGeneration)

conversation = [
    {"role": "system", "content": "You a helpful AI assistant."},
    {
        "role": "user",
        "content": "<image>\n Please describe this x-ray.",
    },
]

model_id = "jiviai/Jivi-RadX-v1"

tokenizer = AutoTokenizer.from_pretrained(model_id)
processor = AutoProcessor.from_pretrained(model_id)
model = LlavaForConditionalGeneration.from_pretrained(
    model_id, attn_implementation="eager", device_map="cuda", torch_dtype=torch.float16
)


prompt = tokenizer.apply_chat_template(
    conversation, tokenize=False, add_generation_prompt=True
)

url = "https://d3axayv063q8rp.cloudfront.net/hf_resources/chest_xray_radx_example.jpg"
image = Image.open(requests.get(url, stream=True).raw)
inputs = processor(text=prompt, images=image, return_tensors="pt").to(
    model.device, dtype=model.dtype
)
# Generate
generate_ids = model.generate(**inputs, max_new_tokens=30)
output = processor.decode(
    generate_ids[0], skip_special_tokens=True, clean_up_tokenization_spaces=False
)
print(output)

Supported Languages: Currently we only support english. We are planning to introduce multi-lingual support shortly.

Feedback: To send any feedback/questions please use the community section of the model.

Intended use

The data, code, and model checkpoints are intended to be used solely for:

  1. Future research on visual-language processing.
  2. Reproducibility of the experimental results reported in the reference paper.

Disclaimer: The data, code, and model checkpoints are not intended to be used in clinical care or for any clinical decision making purposes.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
10ce606

0 моделей