Vit Base Patch16 224 In21k Brain Tumor Diagnosis

🚀 vit-base-patch16-224-in21k脑肿瘤诊断模型

本模型是基于图像文件夹数据集，对 google/vit-base-patch16-224-in21k 进行微调后的版本。它能够对MRI图像进行分析，判断是否检测到脑肿瘤，在图像分类任务中具有较高的准确性和性能。

🚀 快速开始

本模型是 google/vit-base-patch16-224-in21k 在 imagefolder 数据集上的微调版本。它在评估集上取得了以下结果：

• 损失值：0.2591
• 准确率：0.9216
• F1值：0.9375
• 召回率：1.0
• 精确率：0.8824

✨ 主要特性

这是一个用于区分MRI图像中是否检测到脑肿瘤的二分类模型。

如需了解该模型的创建方式，请查看以下链接：https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Image%20Classification/Binary%20Classification/Brain%20Tumor%20MRI%20Images/brain_tumor_MRI_Images_ViT.ipynb

📚 详细文档

预期用途与限制

本模型旨在展示使用技术解决复杂问题的能力。

训练和评估数据

数据集来源：https://www.kaggle.com/datasets/navoneel/brain-mri-images-for-brain-tumor-detection

数据集中的示例图像：

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率：0.0002
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：42
• 优化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 学习率调度器类型：线性
• 训练轮数：5

训练结果

框架版本

• Transformers 4.25.1
• Pytorch 1.12.1
• Datasets 2.8.0
• Tokenizers 0.12.1

📄 许可证

本模型采用 Apache-2.0 许可证。