К содержимому
Другое

SonoIntent-Models

сегментация УЗИ-снимков по клиническим вопросам

2 мин чтенияобновлено

Набор из двух дообученных моделей (VRS-HQ и Sa2VA-14B) от автора QingboKang для задачи reasoning segmentation (сегментации с рассуждением) на ультразвуковых изображениях. На вход подаётся УЗИ-снимок и клинический вопрос, а на выходе модель формирует текстовое обоснование и бинарную маску нужной анатомической структуры в исходном разрешении. В основе лежат веса VRS-HQ (14,58 ГБ, bf16) и Sa2VA-14B (30,74 ГБ, fp16), обученные на клиническом бенчмарке SonoIntent. В отличие от обычных моделей сегментации, работающих только по названию класса, эти чекпоинты сначала анализируют медицинский запрос и находят целевую область по контексту. Релиз пригодится исследователям в области медицинского ИИ для воспроизведения результатов статьи и экспериментов с анализом ультразвука.

Ключевые особенности

  • Два независимых чекпоинта: в репозитории лежат готовые веса VRS-HQ и Sa2VA-14B, полностью идентичные тем, что использовались в тестах научной статьи.
  • Рассуждение перед выделением: модели генерируют текстовое объяснение (reasoning) до 384 токенов и одновременно строят бинарную маску целевой структуры.
  • Визуализация и метрики из коробки: встроенные скрипты сразу сохраняют сравнительные панели из 4 кадров и считают Dice, IoU, precision и recall.
  • Гибкий запуск: поддерживается инференс как на GPU, так и на CPU (можно раздельно указать устройства для vision- и LLM-частей в Sa2VA-14B).

Что можно сделать

  • Протестировать качество выделения структур (например, головки плода или лобкового симфиза) на 6 готовых клинических примерах из папки examples/cases.
  • Воспроизвести бенчмарк SonoIntent на публичной части датасета SonoIntent-Annotations (16 869 задач из 7 открытых источников УЗИ).
  • Встроить пайплайн в исследовательский прототип для автоматической разметки и анализа УЗИ-снимков по текстовым запросам врача.

Пример

# Запуск VRS-HQ на одном тестовом примере
python VRS-HQ/test.py --limit 1

# Запуск Sa2VA-14B на одном тестовом примере
python Sa2VA-14B/test.py --limit 1
ПодробнееМетрики на полном тесте SonoIntent (22 870 задач): VRS-HQ — Overall Dice 50.82%, TargetAcc 40.18%, TA-Dice 33.50%; Sa2VA-14B — Overall Dice 48.40%, TargetAcc 98.59%, TA-Dice 47.51%.
Требования: Python 3.10+, PyTorch 2.1+. Для VRS-HQ нужно ~15 ГБ RAM или GPU с 24 ГБ VRAM; для Sa2VA-14B — ~31 ГБ RAM или GPU на 40 ГБ (либо две карты по 24 ГБ).
При первом запуске VRS-HQ подгружает openai/clip-vit-large-patch14 с Hugging Face.
Ограничения: только для исследовательских целей, не является медицинским изделием. Лицензии весов: Apache-2.0 (с компонентами Llama-2 для VRS-HQ).
Обсудить Telegram 0

Запустится ли?

Запустится в FP8 / INT8

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 29 GB · готовые файлы32 GB
  • FP8 / INT8рекомендуемвеса 14 GB16 GB
  • 4-bitвеса 8.1 GB9.4 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 4090 · BF16 — от RTX 5090

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.

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

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

О модели

QingboKang/SonoIntent-Models
Автор
QingboKang
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

Другое

onegin-1

onegin-1