DR Classifier

🚀 MahimaTayal123/DR-Classifier

本模型是基於 google/vit-base-patch16-224-in21k 在未知數據集上微調得到的。它能輔助早期檢測糖尿病視網膜病變（DR），在醫療診斷和眼科研究等領域具有重要價值。

🚀 快速開始

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

• 訓練損失：0.2187
• 驗證損失：0.2654
• 訓練準確率：0.9420
• 訓練輪數：5

✨ 主要特性

• 精準分類：利用視覺變換器（ViT）架構對視網膜圖像進行分類，有效提高糖尿病視網膜病變（DR）早期檢測的準確性。
• 泛化能力強：微調後的模型在醫學影像數據集上具有更好的泛化能力。
• 多用途支持：可用於糖尿病視網膜病變的醫學診斷支持，以及眼科和基於人工智能的醫療保健研究應用。

📚 詳細文檔

模型描述

本模型利用視覺變換器（ViT）架構對視網膜圖像進行分類，以實現糖尿病視網膜病變（DR）的早期檢測。微調後的模型提高了在醫學影像數據集上的準確性和泛化能力。

預期用途與限制

預期用途

• 為糖尿病視網膜病變的醫學診斷提供支持。
• 用於眼科和基於人工智能的醫療保健研究應用。

限制

• 需要高質量的視網膜圖像才能進行準確預測。
• 不能替代專業的醫療建議，應僅作為輔助工具使用。

訓練和評估數據

該模型在一個經過精心策劃的包含標記視網膜圖像的數據集上進行訓練。該數據集涵蓋了不同嚴重程度的糖尿病視網膜病變，確保了分類的穩健性。

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 優化器：{'name': 'AdamWeightDecay', 'learning_rate': {'module': 'keras.optimizers.schedules', 'class_name': 'PolynomialDecay', 'config': {'initial_learning_rate': 3e-05, 'decay_steps': 146985, 'end_learning_rate': 0.0, 'power': 1.0, 'cycle': False, 'name': None}, 'registered_name': None}, 'decay': 0.0, 'beta_1': 0.9, 'beta_2': 0.999, 'epsilon': 1e-08, 'amsgrad': False, 'weight_decay_rate': 0.01}
• 訓練精度：float32

訓練結果

框架版本

• Transformers 4.46.2
• TensorFlow 2.17.1
• Datasets 3.1.0
• Tokenizers 0.20.3

📄 許可證

本項目採用 Apache-2.0 許可證。