beit-base-patch16-224-pt22k-ft22k-finetuned-stroke-binaryオープンソースモデル

Beit Base Patch16 224 Pt22k Ft22k Finetuned Stroke Binary

Developed by BTX24

このモデルはmicrosoft/beit-base-patch16-224-pt22k-ft22kを基に、二値分類の脳卒中検出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、画像分類タスクに使用され、評価精度は92.22%を達成しました。

画像分類

Transformers

Open Source License:Apache-2.0 #脳卒中検出 #医療画像分類 #高精度BEIT

Downloads 36

Release Time : 3/16/2025

Model Overview

これはBEiTアーキテクチャに基づく視覚Transformerモデルで、特に脳卒中の二値分類検出タスク向けにファインチューニングされています。モデルは医療画像から脳卒中の兆候を識別でき、テストセットで高い精度とF1スコアを示しています。

Model Features

高精度脳卒中検出

テストセットで92.22%の精度と92.14%のF1スコアを達成し、優れた二値分類性能を示しています

BEiTアーキテクチャ採用

先進的な視覚Transformerアーキテクチャを採用し、画像パッチ処理を通じて効率的な特徴抽出を実現

専門医療画像対応

脳卒中検出の医療画像特性に合わせて特別に最適化・ファインチューニングされています

Model Capabilities

医療画像分析

二値分類タスク処理

脳卒中兆候識別

Use Cases

医療診断

脳卒中補助診断

医療画像から自動的に脳卒中兆候を検出し、医師の迅速な診断を支援

テストセット精度92.22%、信頼性の高い補助診断ツールとして利用可能

医学研究

脳卒中症例分析

大規模な脳卒中症例の自動スクリーニングと分析に使用

🚀 beit-base-patch16-224-pt22k-ft22k-finetuned-stroke-binary

このモデルは、"Binary Stroke Detection"データセット上でmicrosoft/beit-base-patch16-224-pt22k-ft22kを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: 0.2029
正解率: 0.9222
F1値: 0.9214
適合率: 0.9234
再現率: 0.9222

🚀 クイックスタート

このモデルを使用することで、画像分類タスクにおけるBinary Stroke Detectionを行うことができます。

📚 ドキュメント

モデルの説明

詳細情報は後日追加予定です。

想定される用途と制限

詳細情報は後日追加予定です。

学習と評価データ

詳細情報は後日追加予定です。

学習手順

学習ハイパーパラメータ

学習中に使用されたハイパーパラメータは以下の通りです。

学習率: 2e-05
学習バッチサイズ: 16
評価バッチサイズ: 8
乱数シード: 42
勾配累積ステップ: 4
総学習バッチサイズ: 64
オプティマイザ: betas=(0.9,0.999)、epsilon=1e-08、optimizer_args=追加のオプティマイザ引数なしでOptimizerNames.ADAMW_TORCHを使用
学習率スケジューラの種類: cosine_with_restarts
学習率スケジューラのウォームアップ比率: 0.1
エポック数: 48
混合精度学習: Native AMP

学習結果

学習損失	エポック	ステップ	検証損失	正解率	F1値	適合率	再現率
0.7256	1.2477	100	0.6913	0.5685	0.4823	0.4731	0.5685
0.6695	2.4954	200	0.6480	0.6210	0.5164	0.5987	0.6210
0.5963	3.7430	300	0.5882	0.6725	0.6118	0.6993	0.6725
0.518	4.9907	400	0.4990	0.7481	0.7167	0.7891	0.7481
0.4325	6.2477	500	0.4090	0.8073	0.7957	0.8232	0.8073
0.3848	7.4954	600	0.3703	0.8340	0.8257	0.8482	0.8340
0.3532	8.7430	700	0.3958	0.8313	0.8201	0.8564	0.8313
0.3297	9.9907	800	0.3257	0.8611	0.8558	0.8718	0.8611
0.3281	11.2477	900	0.3169	0.8666	0.8612	0.8791	0.8666
0.2938	12.4954	1000	0.2814	0.8865	0.8841	0.8900	0.8865
0.2866	13.7430	1100	0.2828	0.8869	0.8837	0.8943	0.8869
0.2884	14.9907	1200	0.2929	0.8847	0.8810	0.8936	0.8847
0.2808	16.2477	1300	0.2458	0.9014	0.8999	0.9034	0.9014
0.258	17.4954	1400	0.2351	0.9091	0.9080	0.9102	0.9091
0.2744	18.7430	1500	0.2516	0.9014	0.8994	0.9057	0.9014
0.261	19.9907	1600	0.2453	0.9068	0.9050	0.9107	0.9068
0.2519	21.2477	1700	0.2564	0.8987	0.8961	0.9051	0.8987
0.2595	22.4954	1800	0.2318	0.9095	0.9079	0.9129	0.9095
0.2548	23.7430	1900	0.2196	0.9136	0.9128	0.9142	0.9136
0.2327	24.9907	2000	0.2376	0.9068	0.9050	0.9110	0.9068
0.2563	26.2477	2100	0.2421	0.9028	0.9005	0.9083	0.9028
0.2348	27.4954	2200	0.2213	0.9109	0.9095	0.9132	0.9109
0.2427	28.7430	2300	0.2308	0.9077	0.9060	0.9116	0.9077
0.2166	29.9907	2400	0.2152	0.9141	0.9128	0.9165	0.9141
0.2345	31.2477	2500	0.2283	0.9068	0.9049	0.9114	0.9068
0.2355	32.4954	2600	0.2173	0.9118	0.9103	0.9149	0.9118
0.2291	33.7430	2700	0.2149	0.9127	0.9113	0.9155	0.9127
0.2319	34.9907	2800	0.2123	0.9141	0.9127	0.9167	0.9141
0.222	36.2477	2900	0.2053	0.9181	0.9171	0.9197	0.9181
0.2235	37.4954	3000	0.2121	0.9141	0.9127	0.9166	0.9141
0.2221	38.7430	3100	0.2013	0.9195	0.9188	0.9200	0.9195
0.2262	39.9907	3200	0.2029	0.9222	0.9214	0.9234	0.9222
0.2171	41.2477	3300	0.2075	0.9181	0.9170	0.9202	0.9181
0.2268	42.4954	3400	0.2045	0.9190	0.9180	0.9208	0.9190
0.2222	43.7430	3500	0.2050	0.9204	0.9194	0.9222	0.9204
0.2169	44.9907	3600	0.2070	0.9177	0.9165	0.9197	0.9177
0.2245	46.2477	3700	0.2064	0.9181	0.9170	0.9201	0.9181
0.2148	47.4954	3800	0.2066	0.9181	0.9170	0.9201	0.9181