XraySorterAI

Экспорт в ONNX двух классификаторов XraySorterAI на базе Xception: один определяет проекцию (45 классов), второй — сторону тела (12 выходов). Модели опубликованы пользователем pnhuy для рентгенограмм опорно-двигательного аппарата и работают через ONNX Runtime без TensorFlow.

⚡ Ключевые особенности

• 🖥 Два ONNX-файла: projection.onnx (45 классов) и side.onnx (12 выходов; метки right/left чередуются, как в оригинале).
• ⚙️ Вход float32 [N, 256, 256, 3], dynamic batch; нормализация Xception (x/127.5 - 1) уже внутри графа, на выходе softmax-вероятности.
• 📎 inference.py принимает .dcm, .png, .nii.gz, PIL.Image, pydicom Dataset и NumPy-массивы.
• 🔍 Учитывает особенности обучения: 8-битные изображения умножаются на 16, upright-снимки переводятся анти-транспонированием.
• ⚠️ Только research/demo: не для клинических или диагностических решений.

💻 Пример

from inference import XraySorter

sorter = XraySorter(".")
result = sorter.predict("scan.dcm")
print(result)
# {'projection': {'label': 'ap_knee', 'confidence': 0.99},
#  'side': {'label': 'bodyside_left', 'confidence': 0.98}}

Подробнее

На 14 веб-рентгенограммах projection accuracy: 0/14 без предобработки, 9/14 только с поправкой диапазона и 13/14 с обеими поправками.
Пропуск шага ориентации делает side-модель ненадёжной. Требования к VRAM не указаны; нужны ONNX Runtime, OpenCV и NumPy.
Grad-CAM в экспорт не включён; используйте изображения без персональных идентификаторов.