Efficientnet ParkinsonsPred

🚀 EfficientNet パーキンソン病予測モデル 🤗

このリポジトリには、患者の描画を用いてパーキンソン病を予測するHugging FaceのEfficientNetモデルが含まれており、精度は約83%です。 EfficientNetとTorchを使用して作成されています。

🚀 クイックスタート

このモデルは、患者の描画を分析することでパーキンソン病の可能性を予測します。パーキンソン病は、進行性の神経系疾患であり、運動に影響を与えます。症状は徐々に始まり、時には片方の手のわずかな振戦から始まることがあります。振戦は一般的ですが、この疾患はまた、筋肉の硬直や運動の鈍化を引き起こすこともよくあります。 もしあなたが貢献したい場合は、自由にプルリクエストを開いてください。

✨ 主な機能

• 患者の描画を用いてパーキンソン病を予測する。
• 精度は約83%である。

📦 インストール

このREADMEには具体的なインストール手順が記載されていないため、このセクションは省略されます。

💻 使用例

基本的な使用法

import torch
from transformers import AutoModel
from torch import nn
from PIL import Image
import numpy as np

# Set the device
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# Load the trained model
model = AutoModel.from_pretrained('/content/final')

# Move the model to the device
model = model.to(device)

# Load and resize new image(s)
image_size = (224, 224)
new_image = Image.open('/content/health.png').convert('RGB').resize(image_size)
new_image = np.array(new_image)
new_image = torch.from_numpy(new_image).transpose(0, 2).float().unsqueeze(0)

# Move the data to the device
new_image = new_image.to(device)

# Make predictions using the trained model
with torch.no_grad():
    predictions = model(new_image)
    logits = predictions.last_hidden_state
    logits = logits.view(logits.shape[0], -1)
    num_classes=2
    feature_reducer = nn.Linear(logits.shape[1], num_classes)

    logits = logits.to(device)
    feature_reducer = feature_reducer.to(device)

    logits = feature_reducer(logits)
    predicted_class = torch.argmax(logits, dim=1).item()
    confidence = torch.softmax(logits, dim=1)[0][predicted_class].item()
    if(predicted_class == 0):
        print(f'Predicted class: Parkinson\'s with confidence {confidence:.2f}')
    else:
        print(f'Predicted class: Healthy with confidence {confidence:.2f}')

📚 ドキュメント

データセット

このモデルの学習に使用されたデータセットは、Kaggleから提供されています。

📄 ライセンス

このプロジェクトはMITライセンスの下でライセンスされています。