К содержимому
Другое

BioHCL-SSSM

лёгкая гибридная архитектура для диагностики пневмонии

2 мин чтенияобновлено

BioHCL-SSSM — это гибридная модель компьютерного зрения от автора unknownBrain, объединяющая свёрточные нейросети и пространства состояний (Hierarchical Convolutional State-Space Hybrid Architecture) для выявления детской пневмонии по рентгеновским снимкам грудной клетки. В репозитории собран полный рабочий процесс: 10 обученных чекпоинтов кросс-валидации, модульный код на PyTorch, скрипты оценки, генераторы тепловых карт и таблицы сравнений с другими архитектурами. При размере всего в 14,01 млн параметров модель обходит по точности гораздо более тяжёлые трансформеры вроде ViT-Base (86,57 млн параметров). Проект пригодится исследователям в области медицинского ИИ, разработчикам систем анализа рентгенограмм и тем, кто изучает компактные альтернативы Vision Transformers.

Ключевые особенности

  • Компактность и скорость: модель содержит 14,01 млн параметров и требует 8,56 GFLOPs, но на официальном тесте превосходит ViT-Base (96,47% против 92,47% точности) при сокращении числа параметров на 83,8%, а также опережает Swin-T при вдвое меньшем размере.
  • Высокая точность на кросс-валидации: на 10 фолдах модель показала среднюю точность 99,37% (±0,33%), F1-score 0,9957 и ROC-AUC 0,9929, допустив всего 33 ошибки на 5 232 изображениях.
  • Инструменты интерпретируемости (XAI): в состав проекта входит скрипт build_xai.py для построения карт внимания и объяснения решений модели методами Attention, GradCAM, LIME и SHAP.
  • Полная воспроизводимость: помимо весов всех 10 фолдов (по 54 МБ каждый) и лучшего чекпоинта best_student_cv.pt, опубликованы сырые логи 64 прогонов абляции, CSV-таблицы с метриками и готовые графики ROC, PR и матриц ошибок.

Что можно сделать

  • Использовать готовые веса для инференса и дообучения: загрузить чекпоинт best_student_cv.pt (точность на валидации 99,81%, recall 100%) или любой из 10 фолдов для экспериментов с классификацией рентгеновских снимков.
  • Визуализировать области патологий: запустить build_xai.py, чтобы получить тепловые карты GradCAM, LIME или SHAP и проверить, на какие участки лёгких опирается нейросеть при постановке диагноза.
  • Воспроизвести абляционные эксперименты: воспользоваться автономным скриптом run_colab_remaining_ablations.py для запуска оставшихся прогонов с разными весами функции потерь (lambda_bio) и сравнения с базовым механизмом внимания MHSA.

Пример

git clone [https://huggingface.co/unknownBrain/BioHCL-SSSM-Complete-Workspace](https://huggingface.co/unknownBrain/BioHCL-SSSM-Complete-Workspace)
cd BioHCL-SSSM-Complete-Workspace
pip install torch torchvision timm albumentations huggingface_hub scikit-learn pandas pillow
python run_colab_remaining_ablations.py
ПодробнееОфициальный тестовый набор (624 снимка из датасета Guangzhou Women and Children’s Medical Center, Kermany et al., 2018): 96,47% Accuracy, 97,22% F1, 99,37% ROC-AUC.
Лучший фолд кросс-валидации (Fold 2): 99,81% Accuracy, 0,9987 F1, 100% Recall, 99,26% Specificity.
Железо и время: скрипт оставшихся экспериментов занимает около 10 минут на GPU уровня RTX 3080 Ti или в Google Colab.
Лицензия: MIT.
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.

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

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

О модели

unknownBrain/BioHCL-SSSM-Complete-Workspace
Автор
unknownBrain
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

Робототехника

workspace_grasp

workspace_grasp