基于Vision Transformer (ViT)架构的糖尿病视网膜病变分类模型,在评估集上达到72.87%的准确率
下载量 197
发布时间 : 2/24/2023
模型简介
该模型用于从眼底图像中自动分类糖尿病视网膜病变的严重程度,可辅助医疗诊断
模型特点
高准确率
在评估集上达到72.87%的分类准确率
基于ViT架构
采用先进的Vision Transformer架构处理医学图像
医疗辅助
可辅助医生进行糖尿病视网膜病变的早期筛查
模型能力
眼底图像分析
糖尿病视网膜病变分级
医学图像分类
使用案例
医疗诊断
视网膜病变筛查
自动分析眼底照片并判断病变程度
72.87%的评估准确率
远程医疗
在医疗资源匮乏地区提供初步诊断支持
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers

支持多种语言
L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers

英语
C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统
中文
R
uer
2,694
98
AIbase是一个专注于MCP服务的平台,为AI开发者提供高质量的模型上下文协议服务,助力AI应用开发。
简体中文