К содержимому
Другое

P2Echo

сегментация сердца на УЗИ по текстовому промпту одной моделью

2 мин чтенияобновлено

P2Echo (Prompt2Echo) — исследовательская модель сегментации медицинских изображений: она выделяет на эхокардиограммах (УЗИ сердца) анатомические структуры, а нужную структуру и проекцию задаёт текстовый промпт. Вместо отдельной сети под каждый вид одна модель покрывает четыре стандартных эхо-вида (2CH, 3CH, 4CH, PSAX) и пять структур (LV, MYO, LA, RV, RA). Внутри работает модуль Dynamic Image-Text Alignment (DyITA): он адаптивно подстраивает признаки декодера под запрошенные вид и структуру. Авторы — Moein Heidari и коллеги, есть статья на arXiv, открытый код и проект-страница. Пригодится тем, кто занимается research в анализе медицинских изображений и автоматической разметке УЗИ сердца.

Ключевые особенности

  • Управление текстом: структуру и вид задаёт структурированный view-aware промпт, отдельные модели под каждую проекцию не нужны
  • Один чекпоинт на 4 эхо-вида (2CH, 3CH, 4CH, PSAX) и 5 структур (LV, MYO, LA, RV, RA)
  • Модуль DyITA адаптивно связывает текстовый промпт с признаками декодера
  • Официальные pretrained-веса в одном .pth-файле, код и установка через requirements.txt

Что можно сделать

  • Прогнать свою эхо-выборку через одну модель вместо набора отдельных сегментаторов под каждый вид
  • Сравнить с собственным бейзлайном на внешнем датасете — авторы проверяли модель на трёх held-out наборах
  • Встроить в исследовательский пайплайн предразметки кадров УЗИ сердца перед ручной проверкой
  • Поэкспериментировать с формулировками промптов: один и тот же вид и структура, разный текст на входе

Пример

git clone https://github.com/moeinheidari7829/P2Echo.git
cd P2Echo
pip install -r requirements.txt
# чекпоинт p2echo.pth кладём в checkpoints/p2echo.pth
ПодробнееОценка: внутренний multi-view датасет и три внешних held-out набора, цифры, ablations и детали реализации — в статье arXiv:2611.13425.
Веса — один файл checkpoints/p2echo.pth (Google Drive), нужен PyTorch.
Только для research: для клинических решений модель не валидирована.
Обсудить Telegram 3

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 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.

    # moein99/P2Echo
    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 moein99/P2Echo --local-dir ~/models/P2Echo
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к P2Echo
  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 P2Echo — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

moein99/P2Echo
Автор
moein99
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

03

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

CRISP

CRISP