/ Модель

Характеристики

Контекст
32 768 токенов
Размер весов
10,9 ГБ
Лицензия
CC BY 4.0
Архитектура
gemma3n · dense
Базовая модель
gemma-3n-E2B-it
Опубликована
5 авг 2025

GemmaECG-Vision

Изображение и текст → текст3 профессии

Дообученная Gemma 3n E2B модель анализирует изображения ЭКГ по текстовой инструкции и формирует структурированный текстовый отчёт для поддержки медицинской сортировки.

189скачиваний за 30 дней5лайковвеса обновлены6 авг 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

GemmaECG-Vision — мультимодальная модель для анализа изображений ЭКГ, разработанная Мохамедом Яссером на основе Google Gemma 3n E2B Instruct. Модель дообучена с помощью Unsloth на наборе из 3 272 примеров PULSE-ECG/ECGInstruct и принимает изображение ЭКГ вместе с текстовой клинической инструкцией, чтобы сформировать структурированный текстовый анализ.

Модель предназначена для поддержки медицинской сортировки и документирования, в том числе в автономных и периферийных средах с ограниченными ресурсами: при первичной оценке ЭКГ, работе на медицинском устройстве или оказании помощи в чрезвычайной ситуации. Карточка заявляет ввод изображений и текста; метаданные отмечают английский язык. Репозиторий содержит веса Safetensors и распространяется по лицензии CC BY 4.0.

Качество результата может зависеть от качества изображения ЭКГ. Модель не заменяет квалифицированного медицинского специалиста, а её выводы следует проверять клиницисту перед принятием решений.

Сценарии применения

  • Первичная оценка ЭКГ по изображению в автономной среде
  • Подготовка структурированного описания ЭКГ для медицинской документации
  • Поддержка сортировки пациентов в экстренной ситуации
  • Анализ ЭКГ на периферийном медицинском устройстве

Ограничения

Точность может снижаться при плохом качестве изображения. Результаты должен проверять клиницист; модель не предназначена для замены медицинского специалиста.

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

GemmaECG-Vision

GemmaECG-Vision is a fine-tuned vision-language model built on google/gemma-3n-e2b, designed for ECG image interpretation tasks. The model accepts a medical ECG image along with a clinical instruction prompt and generates a structured analysis suitable for triage or documentation use cases.

This model was developed using Unsloth for efficient fine-tuning and supports image + text inputs with medical task-specific prompt formatting. It is designed to run in offline or edge environments, enabling healthcare triage in resource-constrained settings.

Model Objective

To assist healthcare professionals and emergency responders by providing AI-generated ECG analysis directly from medical images, without requiring internet access or cloud resources.

Usage

This model expects:

  • An ECG image (PIL.Image)
  • A textual instruction such as:

You are a clinical assistant specialized in ECG interpretation. Given an ECG image, generate a concise, structured, and medically accurate report.

Use this exact format:

Rhythm:
PR Interval:
QRS Duration:
Axis:
Bundle Branch Blocks:
Atrial Abnormalities:
Ventricular Hypertrophy:
Q Wave or QS Complexes:
T Wave Abnormalities:
ST Segment Changes:
Final Impression:

Inference Example (Python)

from transformers import AutoProcessor, Gemma3nForConditionalGeneration
from PIL import Image
import torch

model_id = "yasserrmd/GemmaECG-Vision"
model = Gemma3nForConditionalGeneration.from_pretrained(model_id, torch_dtype=torch.bfloat16).eval().to("cuda")
processor = AutoProcessor.from_pretrained(model_id)

image = Image.open("example_ecg.png").convert("RGB")

messages = [
    {
        "role": "user",
        "content": [
            {"type": "image"},
            {"type": "text", "text": "Interpret this ECG and provide a structured triage report."}
        ]
    }
]

prompt = processor.apply_chat_template(messages, add_generation_prompt=True)

inputs = processor(image, prompt, return_tensors="pt").to("cuda")

outputs = model.generate(
    **inputs,
    max_new_tokens=256,
    temperature=1.0,
    top_p=0.95,
    top_k=64,
    use_cache=True
)

result = processor.decode(outputs[0], skip_special_tokens=True)
print(result)

Training Details

  • Framework: Unsloth + TRL SFTTrainer
  • Hardware: Google Colab Pro (L4)
  • Batch Size: 2
  • Epochs: 1
  • Learning Rate: 2e-4
  • Scheduler: Cosine
  • Loss: CrossEntropy
  • Precision: bfloat16

Dataset

The training dataset is a curated subset of the PULSE-ECG/ECGInstruct dataset, reformatted for VLM instruction tuning.

  • 3,272 samples of ECG image + structured instruction + clinical output
  • Focused on realistic and medically relevant triage cases

Dataset link: yasserrmd/pulse-ecg-instruct-subset

Training Loss Summary

The model was fine-tuned over 409 steps using the pulse-ecg-instruct-subset dataset. The training loss started above 9.5 and steadily declined to below 0.5, showing consistent convergence and learning throughout the single epoch. The loss curve demonstrates a stable optimization process without overfitting spikes. The chart below visualizes this progression, highlighting the model’s ability to adapt quickly to the ECG image-to-text task.

Intended Use

  • Emergency triage in offline settings
  • On-device ECG assessment
  • Integration with medical edge devices (Jetson, Pi, Android)
  • Rapid analysis during disaster response

Limitations

  • Not intended to replace licensed medical professionals
  • Accuracy may vary depending on image quality
  • Model outputs should be reviewed by a clinician before action

License

This model is licensed under CC BY 4.0. You are free to use, modify, and distribute it with attribution.

Author

Mohamed Yasser Hugging Face Profile

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3nForConditionalGeneration
Ревизия весов
84f210b

0 моделей