/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
8,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Базовая модель
Qwen3-VL-4B-Instruct
Опубликована
13 ноя 2025

qwen3vl-flare25

Изображение и текст → текст3 профессии

Дообученная Qwen3-VL-4B для классификации, обнаружения объектов и формирования текстовых отчётов по медицинским изображениям.

17скачиваний за 30 дней1лайквеса обновлены13 ноя 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

leoyinn/qwen3vl-flare25 — дообученная мультимодальная модель Qwen3-VL-4B-Instruct для анализа медицинских изображений, представленная в рамках FLARE 2025. Она принимает изображения и текстовые запросы и предназначена для классификации, многометочной классификации, обнаружения объектов, подсчёта, регрессии и генерации описаний или отчётов. Обучение охватывает восемь типов медицинских изображений: ультразвуковые снимки, рентгенограммы, изображения глазного дна, микроскопию, клинические фотографии, дерматологические изображения, эндоскопию и маммографию; карточка сообщает о 12 232 обучающих примерах из 26 наборов данных.

Модель основана на плотной архитектуре Qwen3-VL с 4 млрд параметров и поддерживает диалоговый ввод с изображениями. В метаданных указан английский язык; лицензия — Apache-2.0. Результаты в README показывают улучшение относительно базовой модели для отдельных задач, но приведены не для всех заявленных сценариев. Модель специализирована для задач медицинской визуализации и не должна считаться универсальным диагностическим инструментом без независимой клинической проверки.

Сценарии применения

  • классификация медицинских изображений
  • многометочная классификация снимков и изображений
  • обнаружение объектов на медицинских снимках
  • подсчёт клеток и других объектов на микроскопических изображениях
  • генерация текстовых описаний и отчётов по медицинским изображениям

Ограничения

Модель обучена на конкретных медицинских наборах данных и типах изображений; перенос результатов на другие клинические условия и популяции не подтверждён приведёнными сведениями. Заявленные метрики охватывают лишь часть задач, поэтому качество следует проверять отдельно для каждого сценария.

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

Qwen3-VL-4B-FLARE25

Model Description

This is a fully finetuned version of Qwen/Qwen3-VL-4B-Instruct on the FLARE 2025 medical imaging dataset. The model has been trained to perform various medical vision-language tasks across 8 imaging modalities and 19 different datasets.

Base Model: Qwen3-VL-4B-Instruct Training Dataset: FLARE25 (Medical Imaging Foundation Models: A Multi-task Learning Framework) Training Samples: 12232 samples across 26 datasets Supported Tasks:

  • Classification
  • Multi-label Classification
  • Detection
  • Instance Detection
  • Regression
  • Counting
  • Report Generation

Supported Medical Imaging Modalities

  1. Ultrasound - Breast ultrasound, intrauterine growth charts
  2. X-ray - Dental, chest, periapical radiographs
  3. Retinography - Fundus imaging, diabetic retinopathy
  4. Microscopy - Chromosome analysis, bone marrow, cell counting
  5. Clinical Photography - Neonatal jaundice assessment
  6. Dermatology - Skin lesion classification
  7. Endoscopy - Gastrointestinal imaging
  8. Mammography - Breast cancer screening

Performance Summary

TaskPrimary MetricBaselineFinetunedImprovement
ClassificationBalanced Accuracy2.2%53.5%+2,309%
DetectionF1@0.50.0%80.3%∞ (new capability)
Instance DetectionF1@0.50.01%1.0%+9,900%
Multi-label ClassificationF1 Macro28.3%50.3%+77.7%
RegressionMAE35.822.4+37.3%
CountingMAE417.7244.4+41.5%
Report GenerationGREEN Score67.7%80.8%+19.4%

Usage

Please check our GitHub for details

Training Details

Training Hyperparameters

  • Base Model: Qwen3-VL-4B-Instruct
  • Training Framework: DeepSpeed ZeRO-3
  • Learning Rate: 1e-5
  • Batch Size: 4 per device
  • Gradient Accumulation Steps: 4
  • Training Epochs: 2
  • Max Sequence Length: 8192
  • Image Resolution: Dynamic (max_pixels: 50176, min_pixels: 784)
  • Optimizer: AdamW
  • Mixed Precision: BF16
  • Gradient Checkpointing: Enabled

Training Data Distribution

The model was trained on 19 medical imaging datasets across 8 modalities:

Ultrasound:

  • BUSI, BUS-UCLM (Classification)
  • BUSI-det, BUS-UCLM-det (Detection)
  • IUGC (Classification + Detection)

X-ray:

  • Dental, Periapical, Bone Resorption, ChestDR, IU-XRay

Retinography:

  • Retino, Fundus

Microscopy:

  • Chromosome, Bone Marrow, NeurIPS22-Cell

Clinical/Dermatology/Endoscopy/Mammography:

  • Neojaundice, BCN20000, Endo, CMMD

Citation

If you use this model, please cite:

@misc{qwen3vl-flare25,
  author = {Shuolin Yin},
  title = {Qwen3-VL-4B Finetuned on FLARE25 Medical Imaging Dataset},
  year = {2025},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/leoyinn/qwen3vl-flare25}}
}

@misc{qwen3technicalreport,
      title={Qwen3 Technical Report}, 
      author={Qwen Team},
      year={2025},
      eprint={2505.09388},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2505.09388}, 
}

License

This model is released under the Apache 2.0 License. The base model license from Qwen also applies.

Acknowledgments

  • Base Model: Qwen3-VL-4B-Instruct by Alibaba Cloud
  • Dataset: FLARE 2025 Medical Imaging Challenge
  • Training Infrastructure: Built on the official Qwen3-VL finetuning framework

Repository

Full training code, evaluation scripts, and results: GitHub - FLARE25-QWen3VL-4B

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модель не помещается в память одной GPU (80 ГБ).

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
ab592e3

0 моделей