Vit Base Patch16 224 In21k Brain Tumor Diagnosis

🚀 vit-base-patch16-224-in21k_brain_tumor_diagnosis

このモデルは、google/vit-base-patch16-224-in21k を imagefolder データセットでファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

• 損失: 0.2591
• 正解率: 0.9216
• F1値: 0.9375
• 再現率: 1.0
• 適合率: 0.8824

🚀 クイックスタート

このモデルは、MRI画像に脳腫瘍が検出されるかどうかを区別する二値分類モデルです。 作成方法の詳細については、以下のリンクを参照してください。 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

✨ 主な機能

このモデルは、技術を用いて複雑な問題を解決する能力を示すために作成されています。

📚 ドキュメント

モデルの説明

このモデルは、MRI画像に脳腫瘍が検出されるかどうかを区別する二値分類モデルです。

想定される用途と制限

このモデルは、技術を用いて複雑な問題を解決する能力を示すために作成されています。

学習と評価データ

データセットのソース: https://www.kaggle.com/datasets/navoneel/brain-mri-images-for-brain-tumor-detection

データセットからのサンプル画像:

学習手順

学習ハイパーパラメータ

学習時には以下のハイパーパラメータが使用されました。

• 学習率: 0.0002
• 学習バッチサイズ: 16
• 評価バッチサイズ: 8
• シード: 42
• オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラの種類: linear
• エポック数: 5

学習結果

フレームワークのバージョン

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

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。