К содержимому
Другое

qsh-medical-cxr14-fedavg-resnet18

поиск плеврального выпота на рентгене в ONNX

2 мин чтенияобновлено

Компактная модель классификации изображений от Daemons-Q, которая определяет наличие плеврального выпота (жидкости в плевральной полости) по фронтальному рентгеновскому снимку грудной клетки. В основе лежит классическая свёрточная архитектура ResNet-18 (около 11,17 млн параметров), обученная с нуля методом FedAvg (федеративное обучение, при котором модель тренируется на распределённых данных без их объединения на одном сервере) по симуляции четырёх больниц. В отличие от тяжеловесных моделей, этот вариант работает с одноканальным входом разрешением 224×224 пикселя, выдаёт один логит и сразу доступен в формате ONNX, включая квантованную int8-версию. Пригодится исследователям и разработчикам для экспериментов с федеративным обучением, приватными вычислениями и инференсом в браузере.

Ключевые особенности

  • Обучена по протоколу FedAvg (12 раундов) на выборке NIH ChestX-ray14 с разбиением пациентов на четыре виртуальные клиники с разной долей снимков в проекциях AP и PA.
  • Компактный размер (~11,17 млн параметров) и готовый экспорт в ONNX (включая int8-версию и отдельный экстрактор признаков features.onnx на 512 фич).
  • Показывает AUROC 0.806 на официальном тестовом сплите NIH ChestX-ray14 при работе с одним целевым признаком (Effusion), что выше базового ориентира Wang et al. (0.7585).
  • Создана как открытый компонент демонстрационного пайплайна QSMPC-QKD-QHE-AI-Hybrid для задач безопасной и квантово-устойчивой оркестрации ИИ.

Что можно сделать

  • Использовать features.onnx и его int8-копию как готовый экстрактор признаков для обучения лёгких классификаторов прямо в браузере или под шифрованием.
  • Воспроизвести и сравнить поведение федеративного обучения при неравномерном распределении проекций снимков (AP против PA) между клиниками.
  • Протестировать локальный или клиентский инференс медицинских пайплайнов на CPU без необходимости поднимать тяжёлый PyTorch-стек.

Пример

Подготовка снимка перед подачей в ONNX-граф: исходный 1024 px PNG нужно уменьшить до 224×224 пикселей билинейным фильтром Pillow и нормализовать значения пикселей делением на 255 (остальную нормализацию выполняет сам граф). На выходе модель возвращает один логит для класса Effusion, при этом int8-версия почти не теряет в качестве (AUROC 0.8063 против 0.8065 у исходного графа).

ПодробнееМетрики на тесте (25 589 снимков): общий AUROC — 0.8065, AUROC для int8 — 0.8063, AUROC для проекции PA — 0.8428, для проекции AP — 0.7741.
Чувствительность в рабочей точке (логит -2.285): 0.883, специфичность: 0.549.
Критично соблюдать препроцессинг: при смене фильтра ресайза с Pillow bilinear на PyTorch interpolate без сглаживания меняется от 182 до 620 решений на тестовой выборке.
Ограничения: модель предназначена исключительно для исследований и демонстраций, не является медицинским изделием и не подходит для клинической диагностики.
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.0 GB · готовые файлы0.5 GB
  • BF16веса 0.0 GB0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # Daemons-Q/qsh-medical-cxr14-fedavg-resnet18
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Daemons-Q/qsh-medical-cxr14-fedavg-resnet18 --local-dir ~/models/qsh-medical-cxr14-fedavg-resnet18
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к qsh-medical-cxr14-fedavg-resnet18
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии qsh-medical-cxr14-fedavg-resnet18 — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Daemons-Q/qsh-medical-cxr14-fedavg-resnet18
Автор
Daemons-Q
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии