/ Модель

Характеристики

Размер весов
62,7 ГБ
Лицензия
MIT
Библиотека
merlin
Опубликована
18 июл 2024

Merlin

Генерация изображенийТекст → изображение3 профессии

Merlin — 3D vision-language модель для компьютерной томографии, предварительно обученная на медицинских изображениях, электронных медицинских картах и радиологических заключениях.

4 813скачиваний за 30 дней36лайковвеса обновлены16 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

Merlin — 3D модель компьютерного зрения и языка для компьютерной томографии, разработанная исследователями Stanford. Она предварительно обучена с использованием структурированных электронных медицинских карт и неструктурированных радиологических заключений. Репозиторий содержит веса модели и пример изображения; для работы предлагается библиотека merlin-vlm.

Модель предназначена для задач, связывающих объёмные КТ-изображения с клиническими данными и заключениями. В метаданных Hugging Face основная задача обозначена как text-to-image, однако описание README указывает на 3D vision-language модель для КТ; доступные сведения не объясняют эту классификацию и не уточняют конкретные режимы генерации или анализа. Лицензия репозитория — MIT.

Сценарии применения

  • сопоставление КТ-изображений с радиологическими заключениями
  • исследование связей между КТ и структурированными медицинскими картами
  • разработка систем анализа медицинских КТ-данных

Ограничения

README не описывает конкретные поддерживаемые сценарии вывода и не приводит оценки качества. Метаданные указывают text-to-image, но README характеризует Merlin как 3D vision-language модель для КТ, поэтому назначение pipeline-тега требует уточнения.

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

Merlin: A Computed Tomography Vision–Language Foundation Model and Dataset

Nature Paper    pypi

Merlin is a 3D VLM for computed tomography that leverages both structured electronic health records (EHR) and unstructured radiology reports for pretraining. The huggingface repository here provides the model weights and an example image file (Nature 2026).

[💻 Github] [📄 Nature Paper]

⚡️ Installation

To install Merlin, you can simply run:

pip install merlin-vlm

For an editable installation, use the following commands to clone and install this repository.

git clone https://github.com/StanfordMIMI/Merlin.git
cd Merlin
pip install -e .

For usage instructions, please visit the github repository.

📁 Project Structure:

.
├── README.md
├── i3_resnet_clinical_longformer_best_clip_04-02-2024_23-21-36_epoch_99.pt <Merlin weights>
├── image1.nii.gz <Sample Image>
├── resnet_gpt2_best_stanford_report_generation_average.pt <Merlin Radiology Report Generation Weights>
├── resnet_clinical_longformer_five_year_disease_prediction <Five Year Disease Prediction Weights>
├── nnUNetTrainerMerlin__nnUNetPlans__3d_fullres <nnUNet File>

📎 Citation

If you find this repository useful for your work, please cite the cite the Nature paper:

@article{blankemeier_kumar2026merlin,
  author = {Blankemeier, Louis and Kumar, Ashwin and Cohen, Joseph Paul and Liu, Jiaming and Liu, Longchao and Van Veen, Dave and Gardezi, Syed Jamal Safdar and Yu, Hongkun and Paschali, Magdalini and Chen, Zhihong and Delbrouck, Jean-Benoit and Reis, Eduardo and Holland, Robbie and Truyts, Cesar and Bluethgen, Christian and Wu, Yufu and Lian, Long and Jensen, Malte Engmann Kjeldskov and Ostmeier, Sophie and Varma, Maya and Valanarasu, Jeya Maria Jose and Fang, Zhongnan and Huo, Zepeng and Nabulsi, Zaid and Ardila, Diego and Weng, Wei-Hung and Amaro Junior, Edson and Ahuja, Neera and Fries, Jason and Shah, Nigam H. and Zaharchuk, Greg and Willis, Marc and Yala, Adam and Johnston, Andrew and Boutin, Robert D. and Wentland, Andrew and Langlotz, Curtis P. and Hom, Jason and Gatidis, Sergios and Chaudhari, Akshay S.},
  title   = {Merlin: a computed tomography vision-language foundation model and dataset},
  journal = {Nature},
  year    = {2026},
  doi     = {10.1038/s41586-026-10181-8},
  url     = {https://doi.org/10.1038/s41586-026-10181-8}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · merlin

Нельзя запустить

Генеративная модель выложена не в формате diffusers.

Ревизия весов
66dd075

0 моделей