🚀 SPIDER-Breast模型
SPIDER-Breast模型是一个用于乳腺组织病理切片分类的深度学习模型。它依托于SPIDER数据集,该数据集规模庞大、质量高,涵盖多器官病理数据且有专家标注。此模型能助力病理分析,为医学研究提供有力支持。
🚀 快速开始
模型适用于 1120×1120 大小的切片。使用以下代码片段加载并使用模型:
from transformers import AutoModel, AutoProcessor
from PIL import Image
model = AutoModel.from_pretrained("histai/SPIDER-breast-model", trust_remote_code=True)
processor = AutoProcessor.from_pretrained("histai/SPIDER-breast-model", trust_remote_code=True)
image = Image.open("path_to_image.png")
inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)
print(outputs.predicted_class_names)
✨ 主要特性
SPIDER-breast模型是专门为乳腺组织的切片级病理分类而训练的深度学习模型。它是SPIDER数据集计划的一部分,该计划提供了一个大型、高质量、多器官的病理数据集,并带有专家标注的标签。
若您想支持、赞助或获取SPIDER数据和模型的商业许可,请通过 models@hist.ai 与我们联系。
📦 模型来源
📚 详细文档
训练数据
该模型在 SPIDER-breast 数据集上进行训练,这是SPIDER数据集的一个子集。该数据集包含以下类别:
类别 |
切片总数 |
腺病(Adenosis) |
2899 |
良性叶状肿瘤(Benign phyllodes tumor) |
4526 |
原位导管癌(高级别)(Ductal carcinoma in situ (high-grade)) |
5632 |
原位导管癌(低级别)(Ductal carcinoma in situ (low-grade)) |
5017 |
脂肪(Fat) |
6286 |
纤维腺瘤(Fibroadenoma) |
5243 |
纤维囊性变(Fibrocystic changes) |
5027 |
纤维化(Fibrosis) |
6260 |
浸润性非特殊类型癌(Invasive non-special type carcinoma) |
6142 |
脂肪肉芽肿(Lipogranuloma) |
4941 |
小叶浸润癌(Lobular invasive carcinoma) |
5102 |
恶性叶状肿瘤(Malignant phyllodes tumor) |
5271 |
坏死(Necrosis) |
5396 |
正常导管(Normal ducts) |
4891 |
正常小叶(Normal lobules) |
5821 |
硬化性腺病(Sclerosing adenosis) |
3423 |
典型导管增生(Typical ductal hyperplasia) |
5546 |
血管(Vessels) |
5469 |
总数统计:
- 中央切片:92,892 个
- 总切片(包括上下文切片):984,924 个
- 用于标注的总切片数:921 个
模型效果
器官 |
准确率 |
精确率 |
F1分数 |
乳腺 |
0.902 |
0.896 |
0.897 |
📄 许可证
该模型遵循 CC BY-NC 4.0 许可协议,仅用于 研究目的。
📚 引用信息
如果您使用了此模型,请引用以下内容:
@misc{nechaev2025spidercomprehensivemultiorgansupervised,
title={SPIDER: A Comprehensive Multi-Organ Supervised Pathology Dataset and Baseline Models},
author={Dmitry Nechaev and Alexey Pchelnikov and Ekaterina Ivanova},
year={2025},
eprint={2503.02876},
archivePrefix={arXiv},
primaryClass={eess.IV},
url={https://arxiv.org/abs/2503.02876},
}
📋 更多信息
若您想探索其他模型和SPIDER数据集,可以访问项目的 Hugging Face HistAI页面 或 GitHub仓库。
📞 联系方式
- 作者:Dmitry Nechaev, Alexey Pchelnikov, Ekaterina Ivanova
- 邮箱:dmitry@hist.ai, alex@hist.ai, kate@hist.ai