许可协议: MIT
推理: 不支持
标签:

• 医疗
• 代码

EfficientNet帕金森病预测模型 🤗

本仓库包含基于Hugging Face EfficientNet架构的帕金森病预测模型，通过分析患者绘图实现约83%的准确率。
使用EfficientNet和PyTorch构建。

概述

帕金森病是一种影响运动功能的进行性神经系统疾病。症状通常逐渐出现，初期可能仅表现为单侧手部轻微震颤。虽然震颤是常见症状，但该疾病通常还会导致肌肉僵硬或动作迟缓。

本模型采用EfficientNet架构，通过分析患者绘图来预测罹患帕金森病的可能性。
欢迎提交Pull Request参与项目贡献。

数据集

训练数据来自Kaggle提供的公开数据集。

使用方式

import torch
from transformers import AutoModel
from torch import nn
from PIL import Image
import numpy as np

# 设置运算设备
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# 加载训练好的模型
model = AutoModel.from_pretrained('/content/final')

# 将模型移至指定设备
model = model.to(device)

# 加载并调整新图像尺寸
image_size = (224, 224)
new_image = Image.open('/content/health.png').convert('RGB').resize(image_size)
new_image = np.array(new_image)
new_image = torch.from_numpy(new_image).transpose(0, 2).float().unsqueeze(0)

# 将数据移至指定设备
new_image = new_image.to(device)

# 使用训练好的模型进行预测
with torch.no_grad():
    predictions = model(new_image)
    logits = predictions.last_hidden_state
    logits = logits.view(logits.shape[0], -1)
    num_classes=2
    feature_reducer = nn.Linear(logits.shape[1], num_classes)

    logits = logits.to(device)
    feature_reducer = feature_reducer.to(device)

    logits = feature_reducer(logits)
    predicted_class = torch.argmax(logits, dim=1).item()
    confidence = torch.softmax(logits, dim=1)[0][predicted_class].item()
    if(predicted_class == 0):
        print(f'预测结果: 帕金森病 (置信度 {confidence:.2f})')
    else:
        print(f'预测结果: 健康 (置信度 {confidence:.2f})')