Vit Base Patch16 224 In21k Brain Tumor Diagnosis

🚀 vit-base-patch16-224-in21k腦腫瘤診斷模型

本模型是基於圖像文件夾數據集，對 google/vit-base-patch16-224-in21k 進行微調後的版本。它能夠對MRI圖像進行分析，判斷是否檢測到腦腫瘤，在圖像分類任務中具有較高的準確性和性能。

🚀 快速開始

本模型是 google/vit-base-patch16-224-in21k 在 imagefolder 數據集上的微調版本。它在評估集上取得了以下結果：

• 損失值：0.2591
• 準確率：0.9216
• F1值：0.9375
• 召回率：1.0
• 精確率：0.8824

✨ 主要特性

這是一個用於區分MRI圖像中是否檢測到腦腫瘤的二分類模型。

如需瞭解該模型的創建方式，請查看以下鏈接：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

📚 詳細文檔

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://www.kaggle.com/datasets/navoneel/brain-mri-images-for-brain-tumor-detection

數據集中的示例圖像：

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：0.0002
• 訓練批次大小：16
• 評估批次大小：8
• 隨機種子：42
• 優化器：Adam（β1=0.9，β2=0.999，ε=1e-08）
• 學習率調度器類型：線性
• 訓練輪數：5

訓練結果

框架版本

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

📄 許可證

本模型採用 Apache-2.0 許可證。