beit-base-patch16-224-pt22k-ft22k-finetuned-stroke-binary開源模型

首頁

Beit Base Patch16 224 Pt22k Ft22k Finetuned Stroke Binary

由BTX24開發

該模型是基於microsoft/beit-base-patch16-224-pt22k-ft22k在二分類中風檢測數據集上微調的版本，用於圖像分類任務，評估準確率達92.22%。

圖像分類

Transformers

開源協議:Apache-2.0 #中風檢測 #醫療影像分類 #高精度BEIT

下載量 36

發布時間 : 3/16/2025

模型概述

這是一個基於BEiT架構的視覺Transformer模型，專門針對腦卒中二分類檢測任務進行了微調。模型能夠從醫學影像中識別中風跡象，在測試集上表現出較高的準確率和F1分數。

模型特點

高精度中風檢測

在測試集上達到92.22%的準確率和92.14%的F1分數，表現出優秀的二分類性能

基於BEiT架構

採用先進的視覺Transformer架構，通過圖像塊(patch)處理實現高效特徵提取

專業醫學影像適配

針對腦卒中檢測的醫學影像特點進行了專門優化和微調

模型能力

醫學圖像分析

二分類任務處理

中風跡象識別

使用案例

醫療診斷

腦卒中輔助診斷

通過醫學影像自動檢測中風跡象，輔助醫生進行快速診斷

測試集準確率92.22%，可作為可靠的輔助診斷工具

醫學研究

中風病例分析

用於大規模中風病例的自動化篩查和分析

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

該模型是 microsoft/beit-base-patch16-224-pt22k-ft22k 在 “Binary Stroke Detection” 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：0.2029
準確率：0.9222
F1值：0.9214
精確率：0.9234
召回率：0.9222

📦 模型信息

屬性	詳情
庫名稱	transformers
許可證	apache-2.0
基礎模型	microsoft/beit-base-patch16-224-pt22k-ft22k
標籤	generated_from_trainer
評估指標	準確率、F1值、精確率、召回率
數據集	BTX24/tekno21-brain-stroke-dataset-binary
任務類型	圖像分類

🔧 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：2e-05
訓練批次大小：16
評估批次大小：8
隨機種子：42
梯度累積步數：4
總訓練批次大小：64
優化器：使用 OptimizerNames.ADAMW_TORCH，其中 betas=(0.9,0.999)，epsilon=1e-08，無額外優化器參數
學習率調度器類型：cosine_with_restarts
學習率調度器熱身比例：0.1
訓練輪數：48
混合精度訓練：Native AMP

訓練結果

訓練損失	輪數	步數	驗證損失	準確率	F1值	精確率	召回率
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