/ Модель

Характеристики

Лицензия
MIT
Опубликована
19 авг 2026

robustness-of-transferability-estimation-metrics-for-medical-imaging

Классификация изображенийИзображение → label

Набор весов моделей классификации медицинских изображений для построения эталонных ранжирований и исследования метрик оценки переносимости.

0скачиваний за 30 дней13лайковвеса обновлены19 авг 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

Репозиторий niclasclassen содержит веса моделей классификации изображений, дообученных для получения эталонных ранжирований в работе о надёжности метрик оценки переносимости на медицинских изображениях. В комплект входят варианты, дообученные на полных целевых наборах данных, а также на выборках размером 5% с двумя разными случайными seed; варианты оптимизированы по accuracy или AUROC.

Модели предназначены для экспериментов и сравнительной оценки методов переноса моделей на медицинские изображения. Файлы представлены в формате PyTorch. Лицензия репозитория — MIT. README просит цитировать соответствующую научную работу при использовании моделей.

Сценарии применения

  • Классификация медицинских изображений
  • Сравнение метрик оценки переносимости моделей для медицинской визуализации
  • Получение эталонных ранжирований моделей на полных целевых наборах данных
  • Сопоставление результатов дообучения на выборках размером 5% с разными seed
  • Сравнение оптимизации классификаторов по accuracy и AUROC

Ограничения

Репозиторий описывает веса для получения эталонных ранжирований в исследовательской работе; клиническое применение и диагностическая надёжность не заявлены. README просит цитировать соответствующую работу при использовании моделей.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This repository provides the weights of the fine-tuned models used to obtain the reference rankings in the work mentioned below.

File structure:
├── full                  <- fine-tuned on the full target datasets
│   ├── accuracy          <- optimized for accuracy
│   ├── auroc             <- optimized for AUROC
├── 5pct_seed42           <- fine-tuned on 5% fraction sampled with seed 42 
│   ├── accuracy          
│   ├── auroc             
└── 5pct_seed43           <- fine-tuned on 5% fraction sampled with seed 43
    ├── accuracy          
    └──  auroc          

Please cite the following paper if you end up using some of the models:

@misc{claßen2026robustnesstransferabilityestimationmetrics,
      title={Robustness of transferability estimation metrics for medical imaging}, 
      author={Niclas Claßen and Théo Sourget and Dovile Juodelyte and Rob van der Goot and Veronika Cheplygina},
      year={2026},
      eprint={2608.09999},
      archivePrefix={arXiv},
      primaryClass={eess.IV},
      url={https://arxiv.org/abs/2608.09999}, 
}

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
56f1050

0 моделей