Segformer For Optic Disc Cup Segmentation

🚀 眼底图像分割模型

本模型是一个经过特殊微调的SegFormer模型，专门用于视网膜眼底图像中关键解剖结构的语义分割。它可以精准分割视盘和视杯，为眼科诊断提供专业级的支持。

🚀 快速开始

使用以下代码开始使用该模型：

import cv2
import torch
import numpy as np

from torch import nn
from transformers import AutoImageProcessor, SegformerForSemanticSegmentation

image = cv2.imread('./example.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

processor = AutoImageProcessor.from_pretrained("pamixsun/segformer_for_optic_disc_cup_segmentation")
model = SegformerForSemanticSegmentation.from_pretrained("pamixsun/segformer_for_optic_disc_cup_segmentation")

inputs = processor(image, return_tensors="pt")

with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits.cpu()

upsampled_logits = nn.functional.interpolate(
    logits,
    size=image.shape[:2],
    mode="bilinear",
    align_corners=False,
)

pred_disc_cup = upsampled_logits.argmax(dim=1)[0].numpy().astype(np.uint8)

✨ 主要特性

• 该SegFormer模型在REFUGE挑战数据集上进行了专门的微调，这是一个用于视网膜眼底图像解剖结构语义分割的公共基准数据集。
• 能够对视网膜眼底图像中的视盘和视杯这两个眼科诊断的关键结构进行专家级的分割。

📚 详细文档

模型详情

• 开发者：Xu Sun
• 分享者：Xu Sun
• 模型类型：图像分割
• 许可证：Apache - 2.0

用途

此预训练模型可对视网膜眼底图像中的关键解剖结构（即视盘和视杯）进行语义分割。它以眼底图像为输入，并输出分割结果。

偏差、风险和限制

该模型仅使用视网膜眼底图像进行了专门的训练和微调，旨在对包括视盘和视杯在内的解剖结构进行语义分割。因此，为了获得最佳的分割性能，必须确保仅将眼底图像作为该模型的输入。

📄 许可证

本模型使用的许可证为Apache - 2.0。

📬 模型卡片联系方式

• pamixsun@gmail.com