К содержимому
Другое

TRACE

энкодер снимков сетчатки без разметки болезней

2 мин чтенияобновлено

Модель извлекает информативные признаки из цветных фотографий глазного дна и помогает находить патологии сетчатки, оценивать качество снимка и контролировать достоверность предсказаний. В основе лежит замороженный бэкбон ResNet-50 (выходной вектор размерностью 2048 с L2-нормализацией), обученный методом самообучения MoCo v2 без меток заболеваний на 22 500 снимках с симуляцией артефактов камер. В отличие от моделей с классическим обучением с учителем, TRACE устойчивее работает на новых камерах, снимках низкого качества и редких диагнозах с малым числом примеров. Решение создано командой div4maxxers (BMSIT Bengaluru) в рамках хакатона ZEISS India Campus Hackathon «Beyond Code 2026» и пригодится исследователям в области медицинской компьютерной диагностики.

Ключевые особенности

  • Обучение без разметки диагнозов с использованием безопасных для сетчатки аугментаций и симулятора артефактов камер.
  • В комплект входят 20 калиброванных детекторов находок (отёк диска зрительного нерва, кровоизлияния, друзы и др.).
  • Слой доверия trust.joblib включает 7-классовый классификатор с температурным масштабированием, конформные пороги под конкретные камеры и детекцию выхода за пределы распределения (OOD).
  • Отдельный фильтр качества quality.joblib отсеивает неудачные снимки, а банк прототипов bank.npz помогает распознавать редкие заболевания.

Что можно сделать

  • Извлекать 2048-мерные эмбеддинги изображений глазного дна для обучения собственных лёгких классификаторов или поиска похожих клинических случаев.
  • Запустить локальное интерактивное демо из связанного репозитория на порту 7860 для тестирования детекторов находок и оценки качества фото.
  • Использовать готовые веса как устойчивый к смене оборудования экстрактор признаков при работе с данными с разных фундус-камер.

Пример

import cv2
from encoder.export import load_trace_encoder, preprocess

enc = load_trace_encoder("checkpoints/trace_v2/encoder.pt")
x = preprocess(cv2.cvtColor(cv2.imread("fundus.jpg"), cv2.COLOR_BGR2RGB))   # (3, 384, 384)
features = enc(x[None])                                                       # (1, 2048)
Подробнее Метрики: linear probe AUROC на RFMiD — 0.917; на незнакомых камерах (Kowa / Topcon OCT-2000) — 0.921 / 0.858; top-1 на JSIEC-1000 (39 болезней по 5 фото) — 0.628; стресс-тест ошибок относительно ImageNet — 0.67.
Обучение: 22 500 публичных снимков глазного дна (EyePACS, APTOS, RFMiD), разрешение входа 384×384.
Ограничения: только для исследовательских целей, не является медицинским изделием; файлы .joblib являются Python pickle и требуют загрузки только из доверенного источника.
Обсудить Telegram 0

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.

    # higgsboson25/trace-retinal-encoder
    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 higgsboson25/trace-retinal-encoder --local-dir ~/models/trace-retinal-encoder
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к trace-retinal-encoder
  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 trace-retinal-encoder — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

higgsboson25/trace-retinal-encoder
Автор
higgsboson25
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

Языковые модели

MetaEncoder v1

MetaEncoder v1