/ Модель

Характеристики

Лицензия
MIT
Библиотека
pytorch
Опубликована
24 июл 2026

Luna

Эмбеддинги изображенийИзображение → embedding

Luna — мультимодальная офтальмологическая модель для извлечения признаков из фотографий глазного дна и переноса обучения на клиническую классификацию и сегментацию.

0скачиваний за 30 дней0лайковвеса обновлены5 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

Luna — мультимодальная модель Loopback для анализа цветных фотографий глазного дна и переноса обучения на задачи офтальмологии. Она объединяет зрительный энкодер SigLIP-2 ViT-Base/16, BERT-Base с инициализацией от PubMedBERT и декодер сегментации UNETR; всего модель содержит около 243 млн параметров. На этапе предобучения модель связывает изображения с клиническими признаками, включая заболевание, возраст, пол и сторону глаза, а также получает супервизию сегментации сосудов и диска зрительного нерва.

Модель принимает RGB-фотографии глазного дна размером 512 × 512, предварительно улучшенные с помощью CLAHE. В репозитории размещено полное состояние обучения на 399-й эпохе, включая веса и состояния оптимизатора, планировщика и генераторов случайных чисел, что позволяет продолжить обучение. Карточка описывает сценарии дообучения, оценки, классификации без примеров и сегментации; метаданные указывают задачу извлечения признаков изображений. Данные для обучения включают публичные наборы и частные институциональные данные, поэтому результаты могут зависеть от состава и происхождения обучающих данных. Модель распространяется по лицензии MIT.

Сценарии применения

  • извлечение признаков из фотографий глазного дна
  • классификация заболеваний сетчатки
  • оценка возраста и пола по фотографии глазного дна
  • определение стороны глаза на снимке
  • сегментация сосудов сетчатки и диска зрительного нерва
  • классификация офтальмологических снимков без примеров

Ограничения

Модель рассчитана на цветные фотографии глазного дна с разрешением 512 × 512 и использует CLAHE-предобработку. В обучении применялись частные институциональные данные, а переносимость результатов на другие наборы данных может различаться.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Luna — Retinal Foundation Model with Hybrid Clinical & Anatomical Supervision

Luna is a multimodal, multi-task retinal foundation model for high-resolution color fundus photographs (CFPs). Instead of pixel reconstruction, it is pre-trained by predicting masked clinical tokens (disease label, age, sex, eye laterality) from the image, while a UNETR decoder jointly supervises vessel / optic-disc segmentation.

Architecturally it is a single-stream VL-BERT: a SigLIP-2 ViT-Base/16 (512px) vision encoder, a BERT-Base masked-LM initialized from PubMedBERT, and a UNETR head for anatomy.

Paper: N/A

Code: https://github.com/loopback-kr/Luna

Model Details

AttributeValue
ArchitectureSigLIP-2 ViT-Base/16 vision encoder + BERT-Base masked-LM (single-stream VL-BERT fusion, 128 compressed vision tokens) + UNETR segmentation decoder
Parameters243M total; ≈93.5M in the SigLIP-2 ViT-Base vision encoder that downstream tasks reuse
Input resolution512 × 512 RGB (CLAHE-enhanced)
Vision encoder init.google/siglip2-base-patch16-512
Text encoder init.NeuML/pubmedbert-base-embeddings tokenizer, extended with [LABEL], [AGE], [SEX], [DIR] special tokens
Pre-training objectiveMasked clinical-token prediction (label / age / sex / direction) + vessel & optic-disc Dice loss, not pixel-level MAE reconstruction
Pre-training data361,519 CFPs (52K public + 309K private institutional images)
LicenseMIT

Prompt templates used during pre-training: "A CFP image of {CLS}", "age is {CLS} years old", "gender is {CLS}", "this is {CLS} direction eye".

Files in this repository

This is the full accelerate training state at epoch 399:

FileContents
model.safetensors / pytorch_model.binModel weights (243,122,497 parameters, fp32)
optimizer.bin, scheduler.bin, scaler.ptAdamW / LR-scheduler / GradScaler state, for exact resumption
random_states_{0..3}.pklRNG states of the four training processes

Usage

Full training, fine-tuning and evaluation code lives in the GitHub repository — see its README.md for the Upstream training, Downstream training, Zero-Shot and Segmentation sections. Checkpoint paths there expect pytorch_model.bin; passing the containing directory instead resumes optimizer and scheduler state as well.

Training Data

* = private institutional data, not available externally.

Pre-training datasets

DatasetReference
LAGLi, L. et al. Attention Based Glaucoma Detection: A Large-Scale Database and CNN Model. CVPR (2019).
ODIROcular Disease Intelligent Recognition (ODIR-2019). Peking University Grand Challenge (2019).
PARAGUAYCastillo Benítez, V.E. et al. Dataset from fundus images for the study of diabetic retinopathy. Data in Brief 36, 107068 (2021).
G1020Bajwa, M.N. et al. G1020: A Benchmark Retinal Fundus Image Dataset for Computer-Aided Glaucoma Detection. IJCNN (2020).
FUND-OCTHassan, T., Akram, M.U., Werghi, N. & Nazir, N. A hybrid convolutional framework for the automated extraction of retinal lesions and lesion-influenced grading of human retinal pathology. IEEE J. Biomed. Health Inform. 25(1) (2020).
Drishti-GS1Sivaswamy, J. et al. Drishti-GS: Retinal Image Dataset for Optic Nerve Head Segmentation. ISBI 53–56 (2014).
HRFBudai, A. et al. Robust Vessel Segmentation in Fundus Images. Int. J. Biomed. Imaging 2013, 154860 (2013).
ORIGAZhang, Z. et al. ORIGA(-light): An Online Retinal Fundus Image Database for Glaucoma Analysis and Research. EMBC 3065–3068 (2010).
OIA-DDRLi, T. et al. Diagnostic Assessment of Deep Learning Algorithms for Diabetic Retinopathy Screening. Information Sciences 501, 511–522 (2019).
SUSTech-SYSULin, L. et al. The SUSTech-SYSU dataset for automated exudate detection and diabetic retinopathy grading. Sci. Data 7, 409 (2020).
JICHITakahashi, H. et al. Applying artificial intelligence to disease staging: Deep learning for improved staging of diabetic retinopathy. PLoS ONE 12, e0179790 (2017).
CHAKSUKumar J H, R. et al. Chákṣu: A glaucoma specific fundus image database. Sci. Data 10, 70 (2023).
DR1 & DR2Pires, R. et al. Advancing Bag-of-Visual-Words Representations for Lesion Classification in Retinal Images. PLoS ONE 9, e96814 (2014).
DeepDRiDLiu, R. et al. DeepDRiD: Diabetic Retinopathy—Grading and Image Quality Estimation Challenge. Patterns 3, 100512 (2022).
AIROGS-light-V2Kiefer, R. Glaucoma Dataset: EyePACS-AIROGS-light-V2. Kaggle (2024). doi:10.34740/KAGGLE/DSV/7802508
FIDVSJin, K. et al. Fundus Image Dataset for Vessel Segmentation. Kaggle (2025). doi:10.34740/KAGGLE/DS/7319687
JustRAIGSMadadi, Y. et al. JustRAIGS: Justified Referral in AI Glaucoma Screening Challenge. IEEE Trans. Med. Imaging (2025).
SMDGKiefer, R. SMDG, A Standardized Fundus Glaucoma Dataset. Kaggle (2023). doi:10.34740/KAGGLE/DS/2329670
AMC health-screen*Institutional cohort, Asan Medical Center — not externally published.
AMC clinic*Institutional cohort, Asan Medical Center — not externally published.

Downstream evaluation datasets

DatasetReference
APTOS 2019Karthik, Maggie & Dane, S. APTOS 2019 Blindness Detection. Kaggle (2019).
IDRiDPorwal, P. et al. Indian Diabetic Retinopathy Image Dataset (IDRiD): A Database for Diabetic Retinopathy Screening Research. Data 3, 25 (2018).
MESSIDORDecencière, E. et al. Feedback on a Publicly Distributed Image Database: The MESSIDOR Database. Image Anal. Stereol. 231–234 (2014).
PAPILAKovalyk, O. et al. PAPILA: Dataset with fundus images and clinical data of both eyes of the same patient for glaucoma assessment. Sci. Data 9, 291 (2022).
Retinajr2ngb. Retina Cataract Dataset. Kaggle (2016).
JSIECCen, L.-P. et al. Automatic detection of 39 fundus diseases and conditions in retinal photographs using deep neural networks. Nat. Commun. 12, 4828 (2021).
BRSETNakayama, L.F. et al. A Brazilian Multilabel Ophthalmological Dataset (BRSET). PhysioNet (2024).
ARIAFarnell, D.J.J. et al. Enhancement of blood vessels in digital fundus photographs via the application of multiscale line operators. J. Franklin Inst. 345, 748–765 (2008).
MAPLES-DRLepetit-Aimon, G. et al. MAPLES-DR: MESSIDOR Anatomical and Pathological Labels for Explainable Screening of Diabetic Retinopathy. Sci. Data 11, 914 (2024).
AMC health-screen subset*Institutional cohort, Asan Medical Center — systemic/anthropometric & lifestyle biomarker fine-tuning.
AMC CAC cohort*Institutional cohort, Asan Medical Center — coronary artery calcium classification.

Citation

@article{lim_luna_2026,
  title   = {Multimodal Foundation Model for High-Resolution Fundus Photographs Incorporating
             Clinical Metadata via Prediction of Demographics and Anatomical Structures},
  author  = {Lim, Hyunseok and Kim, Junseok and Oh, Joonseo and Kim, Kanghyun and Lim, Jongsoo
             and Jeong, Jinhoon and Jeong, Hy and Kim, Yoonjeon and Kim, Namkug},
  year    = {2026},
}

License

Released under the MIT License — Copyright (c) 2026 Hyunseok Lim. The third-party datasets listed above carry their own licenses and access terms, and the Asan Medical Center institutional cohorts are not redistributable.

Как запустить

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

GPU в ailist

Универсальный рантайм · pytorch · image-feature-extraction

Нельзя запустить

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

Ревизия весов
7c1b186

0 моделей