Modelo de Classificação de Glaucoma em Imagens de Fundo de Olho (Swin Transformer)

Resumo Rápido

Este modelo utiliza uma arquitetura Swin Transformer e foi ajustado finamente em imagens de fundo de olho retinal do conjunto de dados do desafio REFUGE. O modelo é especializado na detecção automatizada de glaucoma em fotografias de fundo de olho retinal. Por meio da extração de características visuais hierárquicas em imagens de fundo de olho, o modelo classifica efetivamente cada imagem como glaucoma ou não glaucoma. Experimentos extensivos demonstram que este modelo alcança desempenho de ponta no benchmark REFUGE para classificação de glaucoma com base em imagens de fundo. Para obter as melhores previsões, recomenda-se o uso de fotografias padronizadas de fundo de olho, capturadas de acordo com os protocolos típicos de imagem de fundo.

Detalhes do Modelo

Usos

Este modelo pré-treinado oferece funcionalidade de classificação de glaucoma exclusivamente com base na análise de imagens de fundo de olho retinal. Você pode utilizar o modelo diretamente e sem modificações para classificar imagens de fundo de olho como glaucoma ou não glaucoma. Ele é especializado em extrair características discriminativas de imagens de fundo de olho para identificar manifestações de glaucoma. No entanto, para alcançar o melhor desempenho, é altamente recomendável ajustar finamente o modelo em um conjunto de dados representativo de imagens de fundo de olho antes de usá-lo em aplicações do mundo real.

Viés, Riscos e Limitações

Este modelo é especializado na análise de imagens de fundo de olho retinal e é treinado exclusivamente em conjuntos de dados de imagens de fundo de olho para classificar imagens como glaucoma ou não glaucoma. Portanto, para obter previsões precisas, é crucial fornecer apenas imagens de fundo de olho ao usar este modelo. O uso de outros tipos de imagens pode levar a resultados sem sentido. Em resumo, este modelo requer imagens de fundo de olho como entrada para a classificação de glaucoma. Para obter o melhor desempenho, siga rigorosamente esta especificação de entrada.

Como Começar com o Modelo

Para começar a usar o modelo, você pode usar o código abaixo:

import cv2
import torch

from transformers import AutoImageProcessor, Swinv2ForImageClassification

imagem = cv2.imread('./example.jpg')
imagem = cv2.cvtColor(imagem, cv2.COLOR_BGR2RGB)

processador = AutoImageProcessor.from_pretrained("pamixsun/swinv2_tiny_for_glaucoma_classification")
modelo = Swinv2ForImageClassification.from_pretrained("pamixsun/swinv2_tiny_for_glaucoma_classification")

entradas = processador(imagem, return_tensors="pt")

with torch.no_grad():
    logits = modelo(**entradas).logits

# O modelo prevê glaucoma ou não glaucoma.
rótulo_previsto = logits.argmax(-1).item()
print(modelo.config.id2label[rótulo_previsto])

Marketing

Se você busca uma solução confiável e eficaz para a detecção de glaucoma em imagens de fundo de olho, nosso modelo baseado em Swin Transformer é a escolha certa. Treinado com rigor no conjunto de dados REFUGE, ele oferece resultados de alto desempenho e é especializado em identificar glaucoma de forma automatizada. Use-o para uma avaliação rápida e precisa de imagens de fundo de olho retinal. Simplifique a detecção de glaucoma com o nosso modelo avançado de classificação de imagens. Simplifique.