yolos-tiny-Brain_Tumor_Detection開源腦腫瘤檢測模型

Home

Yolos Tiny Brain Tumor Detection

Developed by DunnBC22

基於YOLOS-tiny微調的腦腫瘤檢測模型，用於醫學影像中的腫瘤識別

目標檢測

Transformers

EnglishOpen Source License:Apache-2.0 #醫療影像檢測 #小目標檢測優化 #腦腫瘤定位

Downloads 17

Release Time : 8/1/2023

Model Overview

本模型是基於hustvl/yolos-tiny微調後的版本，專門用於檢測腦部MRI圖像中的腫瘤區域。

Model Features

醫學影像專用

專門針對腦部MRI圖像優化，可識別腫瘤區域

輕量級架構

基於YOLOS-tiny架構，適合資源有限的環境

開源可擴展

Apache-2.0許可證允許自由使用和修改

Model Capabilities

腦腫瘤檢測

醫學影像分析

目標檢測

Use Cases

醫療診斷

腦腫瘤輔助診斷

幫助放射科醫生識別MRI圖像中的腫瘤區域

平均精度(AP)@IoU=0.50達到0.448

醫學研究

腫瘤特徵分析

用於研究腫瘤的大小和位置分佈

對大目標檢測AP@IoU=0.50:0.95達到0.296

🚀 小目標檢測網絡（YOLOs-tiny）腦腫瘤檢測模型

本模型用於腦腫瘤檢測，基於預訓練模型進行微調，能夠助力醫學領域的腦腫瘤識別工作，為解決複雜的醫學圖像分析問題提供技術支持。

🚀 快速開始

本模型是 hustvl/yolos-tiny 的微調版本。若你想親自嘗試這個項目，強烈建議至少使用 yolos-small 檢查點。

📚 詳細文檔

模型描述

關於該模型的創建方式，更多信息請查看以下鏈接：https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Object%20Detection/Brain%20Tumors/Brain_Tumor_m2pbp_Object_Detection_YOLOS.ipynb

預期用途與限制

本模型旨在展示使用技術解決複雜問題的能力。

訓練和評估數據

數據集來源：https://huggingface.co/datasets/Francesco/brain-tumor-m2pbp

示例

示例圖片

訓練過程

訓練超參數

訓練期間使用了以下超參數：

學習率（learning_rate）：5e-05
訓練批次大小（train_batch_size）：8
評估批次大小（eval_batch_size）：8
隨機種子（seed）：42
優化器（optimizer）：Adam，β=(0.9, 0.999)，ε=1e-08
學習率調度器類型（lr_scheduler_type）：線性
訓練輪數（num_epochs）：20

訓練結果

指標名稱	交併比（IoU）	區域	最大檢測數	指標值
平均精度（AP）	IoU=0.50:0.95	區域=全部	最大檢測數=100	0.185
平均精度（AP）	IoU=0.50	區域=全部	最大檢測數=100	0.448
平均精度（AP）	IoU=0.75	區域=全部	最大檢測數=100	0.126
平均精度（AP）	IoU=0.50:0.95	區域=小	最大檢測數=100	0.001
平均精度（AP）	IoU=0.50:0.95	區域=中	最大檢測數=100	0.080
平均精度（AP）	IoU=0.50:0.95	區域=大	最大檢測數=100	0.296
平均召回率（AR）	IoU=0.50:0.95	區域=全部	最大檢測數=1	0.254
平均召回率（AR）	IoU=0.50:0.95	區域=全部	最大檢測數=10	0.353
平均召回率（AR）	IoU=0.50:0.95	區域=全部	最大檢測數=100	0.407
平均召回率（AR）	IoU=0.50:0.95	區域=小	最大檢測數=100	0.036
平均召回率（AR）	IoU=0.50:0.95	區域=中	最大檢測數=100	0.312
平均召回率（AR）	IoU=0.50:0.95	區域=大	最大檢測數=100	0.565