AIbase
TW
模型選型
標籤
醫療影像分類

# 醫療影像分類

Levit 128.fb Dist In1k Finetuned Stroke Binary
Apache-2.0
基於LeViT-128架構的視覺Transformer模型，針對中風二分類檢測任務進行微調
圖像分類 Transformers
L
BTX24
18
1
Beit Base Patch16 224 Pt22k Ft22k Finetuned Stroke Binary
Apache-2.0
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
B
BTX24
36
1
Skin Disorders Classifier
一個基於PyTorch和HuggingPics構建的圖像分類模型，用於識別多種常見皮膚疾病。
圖像分類
S
sagarvk24
123
1
Skin Cancer Image Classification
Apache-2.0
基於視覺變換器(ViT)的皮膚癌圖像分類模型，可識別7種皮膚病變類型
圖像分類 Transformers
S
Anwarkh1
3,309
22
Alzheimer MRI
Apache-2.0
基於谷歌ViT基礎模型微調的阿爾茨海默病MRI圖像分類模型，準確率達92.6%
圖像分類 Transformers
A
DHEIVER
354
2
Brain Tumor Detection
Apache-2.0
基於Swin Transformer架構的腦瘤檢測模型，在圖像分類任務上達到98.04%的準確率
圖像分類 Transformers
B
ShimaGh
421
4
Medical
基於PyTorch框架和HuggingPics工具生成的醫療影像分類模型，用於識別不同類型的肺部組織影像。
圖像分類 Transformers
M
subh71
63
4
Ultrasound Lung
基於AutoTrain訓練的肺部超聲圖像多類別分類模型，具有高準確率
圖像分類 Transformers
U
hamdan07
49
3
Autotrain Pneumo V3 3180589690
這是一個通過AutoTrain訓練的二元分類模型，用於檢測肺炎相關的醫學圖像。
圖像分類 Transformers
A
ashutoshmondal
37
0
Brain Tumor Classification Using Swin Transformer
Apache-2.0
該模型是基於Swin Transformer架構的腦腫瘤圖像分類模型，在圖像分類任務上表現出色，準確率達到99.49%。
圖像分類 Transformers
B
surajjoshi
103
1
Vit Large Patch32 384 Melanoma
Apache-2.0
基於Google的ViT-Large模型微調的黑色素瘤圖像分類模型，在評估集上達到82.73%的準確率
圖像分類 Transformers
V
UnipaPolitoUnimore
100
1
Brain Tumor Classification
Apache-2.0
基於Swin Transformer架構微調的腦腫瘤圖像分類模型，在評估集上準確率達96.47%
圖像分類 Transformers
B
Devarshi
205
9
Vit Base Xray Pneumonia
Apache-2.0
基於ViT架構的胸部X光肺炎分類模型，在肺炎數據集上微調，準確率達90.06%
圖像分類 Transformers
V
nickmuchi
40
4
AIbase
智啟未來，您的人工智能解決方案智庫
English简体中文繁體中文にほんご
© 2025AIbase