基于ResNet-50微调的深度学习模型，用于心电图图像分类，辅助心脏疾病检测

基于 Facebook DINOv2 基础模型微调的图像分类模型，专门用于糖尿病视网膜病变检测，在评估集上准确率达 96.8%。

基于CLIP架构的医学领域零样本图像分类模型

基于Google的ViT模型微调，用于粪便图像分类，准确率达94.17%

用于评估痤疮严重程度的图像分类模型，支持从无痤疮到极重度痤疮的6级分类

这是一个通过AutoTrain训练的多类别图像分类模型，专门用于痴呆症相关图像的分类任务。