К содержимому
Другое

pneumonia-cxr-convnext

поиск пневмонии на рентгене прямо в браузере

2 мин чтенияобновлено

Бинарный классификатор на базе архитектуры ConvNeXt-Tiny (предобученной на ImageNet-22k), который определяет наличие пневмонии на фронтальных рентгеновских снимках грудной клетки. Модель упакована в формат ONNX и за один проход выдаёт сразу два результата: откалиброванную вероятность диагноза и тепловую карту Grad-CAM (подсветку областей снимка, на которые опиралась нейросеть). В граф уже вшиты нормализация входа и температурное масштабирование, поэтому модель легко запускается без тяжелых зависимостей как на сервере, так и локально в браузере. Подойдёт исследователям, разработчикам медицинских прототипов и студентам, которым важна интерпретируемость предсказаний.

Ключевые особенности

  • Работает в браузере: компактный ONNX-файл (model_browser.onnx) с весами в float16 готов для запуска в ONNX Runtime без бэкенда.
  • Встроенный Grad-CAM: тепловая карта внимания вычисляется прямо внутри графа за один проход; в 76,5% случаев её пики попадают в зоны, отмеченные рентгенологами.
  • Калибровка вероятностей: в граф включено temperature scaling, а в файле model_meta.json зафиксирован оптимальный порог срабатывания (0.576).
  • Обучена на двух датасетах: дообучена на 24 928 снимках из детских (Kermany et al.) и взрослых (RSNA 2018) баз с разделением строго по пациентам.

Что можно сделать

  • Встроить в веб-приложение или образовательный тренажёр для визуализации работы алгоритмов компьютерного зрения на медицинских снимках с подсветкой зон интереса.
  • Использовать как лёгкий бейзлайн в исследовательских пайплайнах анализа рентгенограмм грудной клетки через onnxruntime.

Пример

import json, numpy as np, onnxruntime as ort
from PIL import Image

meta = json.load(open("model_meta.json"))
img = Image.open("cxr.png").convert("L").resize((256, 256), Image.BILINEAR).resize((224, 224), Image.BILINEAR)
x = (np.asarray(img, dtype=np.float32) / 255)[None, None]
prob, cam = ort.InferenceSession("model_browser.onnx").run(None, {"image": x})
print(prob[0], prob[0] >= meta["threshold"])
Подробнее Метрики на отложенных тестах: AUROC 0.990 (чувствительность 0.995, специфичность 0.838) на детских снимках Kermany и AUROC 0.890 (чувствительность 0.691, специфичность 0.878) на взрослых снимках RSNA.
Ограничения: модель не является медицинским изделием и предназначена только для исследований и обучения.
Обучена на данных всего двух госпиталей; единый порог даёт более низкую чувствительность на взрослых пациентах (особенно 60+) и на снимках в проекции PA.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 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 · BF16 — 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.

    # emir-mutlu/pneumonia-cxr-convnext
    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 emir-mutlu/pneumonia-cxr-convnext --local-dir ~/models/pneumonia-cxr-convnext
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к pneumonia-cxr-convnext
  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 pneumonia-cxr-convnext — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

emir-mutlu/pneumonia-cxr-convnext
Автор
emir-mutlu
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

HiCAST M1

HiCAST M1