CON-DETR-V5開源醫學圖像檢測模型 - 精準分析胸片，檢測肺炎及類型

首頁

CON DETR V5

由0llheaven開發

基於DETR架構的醫學圖像目標檢測模型，專門用於胸部X光圖像分析，可檢測肺炎及其類型。

目標檢測

Transformers

#醫學影像檢測 #肺炎分類 #DETR架構

下載量 20

發布時間 : 10/4/2024

模型概述

該模型是基於DETR的目標檢測模型，專為醫學圖像分析訓練，包含4個類別：肺炎、正常、細菌性肺炎和病毒性肺炎。

模型特點

醫學圖像專用

專門針對胸部X光圖像訓練，優化了肺炎檢測和分類能力。

多類別檢測

能夠區分肺炎的不同類型（細菌性和病毒性）以及正常情況。

基於DETR架構

採用先進的Transformer架構進行目標檢測，避免了傳統方法中的錨框設計。

模型能力

醫學圖像分析

肺炎檢測

疾病分類

目標定位

使用案例

醫療診斷

肺炎篩查

自動分析胸部X光片，檢測是否存在肺炎及其類型

可輸出檢測框位置和置信度評分

疾病分類

區分細菌性肺炎和病毒性肺炎

提供分類結果和置信度

🚀 基於DETR的醫學圖像目標檢測模型

本模型是一個基於DETR的目標檢測模型，專為醫學圖像分析而訓練，可用於檢測和分類肺炎類型或判斷是否正常。

🚀 快速開始

模型信息

屬性	詳情
模型類型	基於DETR（Detection Transformers）架構的目標檢測模型
基礎模型	microsoft/conditional-detr-resnet-50
訓練數據	在自定義的帶註釋醫學圖像數據集上訓練
適用場景	用於分析胸部X光圖像，檢測肺炎的存在和類型，或分類為正常
分類類別	4 個類別：0: 肺炎、1: 正常、2: 細菌性肺炎、3: 病毒性肺炎

💻 使用示例

基礎用法

import os 
from transformers import AutoImageProcessor, AutoModelForObjectDetection
import torch
from PIL import Image
import pandas as pd

folder_path = ""
processor = AutoImageProcessor.from_pretrained("0llheaven/CON-DETR-V5")
model = AutoModelForObjectDetection.from_pretrained("0llheaven/CON-DETR-V5")

results_list = []

for image_name in os.listdir(folder_path):
    if image_name.endswith((".jpg", ".png", ".jpeg")): 
        image_path = os.path.join(folder_path, image_name)
        image = Image.open(image_path)

        # RGB To grayscale
        if image.mode != "RGB":
            image = image.convert("RGB")

        # prediction
        inputs = processor(images=image, return_tensors="pt")
        outputs = model(**inputs)

        target_sizes = torch.tensor([image.size[::-1]])
        results = processor.post_process_object_detection(outputs, target_sizes=target_sizes)
        print(f"Processing image: {image_name}")

        # detect_box
        detected_any = False
        for result in results:
            scores = result["scores"]
            labels = result["labels"]
            boxes = result["boxes"]

            filtered_data = [(score, label, box) for score, label, box in zip(scores, labels, boxes) if score > 0.5][:2] # 限制最多保存2個框
            for score, label, box in zip(scores, labels, boxes):
                if score > 0.5:
                    if len(filtered_data) > 0:
                        detected_any = True
                            
                    for score, label, box in filtered_data:
                        if label.item() == 0:
                            label_name = "Pneumonia"
                        elif label.item() == 1:
                            label_name = "Normal"
                        elif label.item() == 2:
                            label_name = "Pneumonia_bacteria"
                        else:
                            label_name = "Pneumonia_virus"
                        
                        xmin, ymin, xmax, ymax = [round(i, 2) for i in box.tolist()]
                        print(f" - Detected {label_name} with score {round(score.item(), 3)} at {xmin, ymin, xmax, ymax}")
                        results_list.append({
                            "image_name": image_name,
                            "label": label_name,
                            "xmin": xmin,
                            "ymin": ymin,
                            "xmax": xmax,
                            "ymax": ymax,
                            "score": round(score.item(), 3),
                        })

        if not detected_any:
            print(" - No Detect")
            results_list.append({
                "image_name": image_name,
                "label": "Other",
                "xmin": 0,
                "ymin": 0,
                "xmax": 0,
                "ymax": 0,
                "score": 0,
            })

results_df = pd.DataFrame(results_list)
print("\nFinal results:")
results_df.to_csv("testmodel.csv", index=False)