/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Библиотека
transformers
Опубликована
30 июн 2025

DermLIP_PanDerm-base-w-PubMed-256

Классификация изображений без дообученияИзображение, текст → label3 профессии

CLIP-подобная модель для классификации дерматологических изображений по текстовым описаниям, поиска и аннотирования визуальных концепций.

129скачиваний за 30 дней14лайковвеса обновлены21 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

DermLIP PanDerm-base-w-PubMed-256 — предварительно обученная модель «зрение—язык» для дерматологии, описанная в карточке как разработанная на наборе Derm1M. Она использует CLIP-подобную архитектуру: визуальный энкодер PanDerm-base и текстовый энкодер PubmedBert-256; заявленное разрешение изображений — 224×224 пикселя.

Модель предназначена для классификации изображений кожи без примеров целевых классов и с небольшим числом примеров, поиска между изображениями и текстами, а также аннотирования и объяснения визуальных концепций. В метаданных указаны задача zero-shot image classification и английский язык. Лицензия в метаданных — CC-BY-NC-4.0; README отдельно указывает CC-BY-NC-ND-4.0, поэтому условия распространения производных материалов требуют сверки с лицензией репозитория.

Сценарии применения

  • классификация изображений кожных заболеваний по названиям классов без примеров
  • поиск дерматологических изображений по текстовому описанию
  • поиск текстовых описаний, соответствующих изображению кожи
  • адаптация классификации кожи с небольшим числом размеченных примеров
  • аннотирование дерматологических изображений визуальными концепциями

Ограничения

Модель описана для дерматологических изображений и не заявлена как универсальный диагностический инструмент. В README и метаданных приведены разные варианты лицензии: CC-BY-NC-ND-4.0 и CC-BY-NC-4.0 соответственно.

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

DermLIP: Dermatology Language-Image Pretraining

Model Description

DermLIP is a vision-language model for dermatology, trained on the Derm1M dataset—the largest dermatological image-text corpus to date. This model variant (PanDerm-base-w-PubMed-256) utilizes domain-specific pretraining to deliver superior performance compared to other DermLIP variants..

Model Details

Training Details

  • Training data: 403,563 skin image-text pairs from Derm1M datasets. Images include both dermoscopic and clinical images.
  • Training objective: image-text contrastive loss
  • Hardware: 1 x Nvidia H200(~90GB memory usage)
  • Hours used: ~9.5 hours

Intended Uses

Primary Use Cases

  • Zero-shot classification
  • Few-shot learning
  • Cross-modal retrieval
  • Concept annotation/explanation

How to Use

Installation

Accept the access terms above and log in once with huggingface-cli login. Then clone the Derm1M repository:

git clone git@github.com:SiyuanYan1/Derm1M.git
cd Derm1M

Then install the package following the instruction in the repository.

Quick Start

import open_clip
from PIL import Image
import torch

# Load model with huggingface checkpoint
model, _, preprocess = open_clip.create_model_and_transforms(
    'hf-hub:redlessone/DermLIP_PanDerm-base-w-PubMed-256'
)
model.eval()

# Initialize tokenizer
tokenizer = open_clip.get_tokenizer('hf-hub:redlessone/DermLIP_PanDerm-base-w-PubMed-256')

# Read example image
image = preprocess(Image.open("your_skin_image.png")).unsqueeze(0)

# Define disease labels (example: PAD dataset classes)
PAD_CLASSNAMES = [
    "nevus",
    "basal cell carcinoma",
    "actinic keratosis",
    "seborrheic keratosis",
    "squamous cell carcinoma",
    "melanoma"
]

# Build text prompts
template = lambda c: f'This is a skin image of {c}'
text = tokenizer([template(c) for c in PAD_CLASSNAMES])

# Inference
with torch.no_grad(), torch.autocast("cuda"):
    # Encode image and text
    image_features = model.encode_image(image)
    text_features = model.encode_text(text)
    
    # Normalize features
    image_features /= image_features.norm(dim=-1, keepdim=True)
    text_features /= text_features.norm(dim=-1, keepdim=True)
    
    # Compute similarity
    text_probs = (100.0 * image_features @ text_features.T).softmax(dim=-1)

# Get prediction
final_prediction = PAD_CLASSNAMES[torch.argmax(text_probs[0])]
print(f'This image is diagnosed as {final_prediction}.')
print("Label probabilities:", text_probs)

Contact

For any additional questions or comments, contact Siyuan Yan (siyuan.yan@monash.edu),

Cite our Paper

@misc{yan2025derm1m,
  title        = {Derm1M: A Million‑Scale Vision‑Language Dataset Aligned with Clinical Ontology Knowledge for Dermatology},
  author       = {Siyuan Yan and Ming Hu and Yiwen Jiang and Xieji Li and Hao Fei and Philipp Tschandl and Harald Kittler and Zongyuan Ge},
  year         = {2025},
  eprint       = {2503.14911},
  archivePrefix= {arXiv},
  primaryClass = {cs.CV},
  url          = {https://arxiv.org/abs/2503.14911}
}

@article{yan2025multimodal,
  title={A multimodal vision foundation model for clinical dermatology},
  author={Yan, Siyuan and Yu, Zhen and Primiero, Clare and Vico-Alonso, Cristina and Wang, Zhonghua and Yang, Litao and Tschandl, Philipp and Hu, Ming and Ju, Lie and Tan, Gin and others},
  journal={Nature Medicine},
  pages={1--12},
  year={2025},
  publisher={Nature Publishing Group}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · zero-shot-image-classification

Нельзя запустить

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

Ревизия весов
b455d4c

0 моделей