Yolos Tiny Brain Tumor Detection

由 DunnBC22 开发

基于YOLOS-tiny微调的脑肿瘤检测模型，用于医学影像中的肿瘤识别

目标检测

Transformers

英语

开源协议:Apache-2.0 #医疗影像检测 #小目标检测优化 #脑肿瘤定位

下载量 17

发布时间 : 8/1/2023

模型介绍

内容详情

替代品

模型简介

本模型是基于hustvl/yolos-tiny微调后的版本，专门用于检测脑部MRI图像中的肿瘤区域。

模型特点

医学影像专用

专门针对脑部MRI图像优化，可识别肿瘤区域

轻量级架构

基于YOLOS-tiny架构，适合资源有限的环境

开源可扩展

Apache-2.0许可证允许自由使用和修改

模型能力

脑肿瘤检测

医学影像分析

目标检测

使用案例

医疗诊断

脑肿瘤辅助诊断

帮助放射科医生识别MRI图像中的肿瘤区域

平均精度(AP)@IoU=0.50达到0.448

医学研究

肿瘤特征分析

用于研究肿瘤的大小和位置分布

对大目标检测AP@IoU=0.50:0.95达到0.296

许可证：apache-2.0
基础模型：hustvl/yolos-tiny
标签：

generated_from_trainer
medical
science
模型索引：
名称：yolos-tiny-Brain_Tumor_Detection
结果：[]
数据集：
Francesco/brain-tumor-m2pbp
语言：
en
任务标签：object-detection

yolos-tiny-脑肿瘤检测模型

本模型是基于hustvl/yolos-tiny微调后的版本。

模型描述

关于模型创建过程的更多信息，请查看以下链接：
https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Object%20Detection/Brain%20Tumors/Brain_Tumor_m2pbp_Object_Detection_YOLOS.ipynb

如果您计划自行尝试此项目，强烈建议至少使用yolos-small版本的检查点。

预期用途与限制

本模型旨在展示我运用技术解决复杂问题的能力。

训练与评估数据

数据集来源：https://huggingface.co/datasets/Francesco/brain-tumor-m2pbp

示例

示例图像

训练流程

训练超参数

训练过程中使用的超参数如下：

学习率：5e-05
训练批次大小：8
评估批次大小：8
随机种子：42
优化器：Adam（beta=(0.9,0.999)，epsilon=1e-08）
学习率调度器类型：线性
训练轮次：20

训练结果

指标名称	IoU	面积范围	最大检测数	指标值
平均精度 (AP)	IoU=0.50:0.95	全部区域	maxDets=100	0.185
平均精度 (AP)	IoU=0.50	全部区域	maxDets=100	0.448
平均精度 (AP)	IoU=0.75	全部区域	maxDets=100	0.126
平均精度 (AP)	IoU=0.50:0.95	小目标	maxDets=100	0.001
平均精度 (AP)	IoU=0.50:0.95	中目标	maxDets=100	0.080
平均精度 (AP)	IoU=0.50:0.95	大目标	maxDets=100	0.296
平均召回率 (AR)	IoU=0.50:0.95	全部区域	maxDets=1	0.254
平均召回率 (AR)	IoU=0.50:0.95	全部区域	maxDets=10	0.353
平均召回率 (AR)	IoU=0.50:0.95	全部区域	maxDets=100	0.407
平均召回率 (AR)	IoU=0.50:0.95	小目标	maxDets=100	0.036
平均召回率 (AR)	IoU=0.50:0.95	中目标	maxDets=100	0.312
平均召回率 (AR)	IoU=0.50:0.95	大目标	maxDets=100	0.565