vit-base-patch16-224-in21k_lung_and_colon_cancer
DunnBC22
Clasificación de imagen
Este modelo es una versión afinada de google/vit-base-patch16-224-in21k y es utilizado para la clasificación de imágenes multicategoría de cáncer de pulmón y colon. Este modelo está diseñado para demostrar la capacidad de resolver un problema complejo utilizando tecnología. Para más información sobre cómo fue creado, consulta el siguiente enlace: [link](https://github.com/DunnBC22/Vision_Audio_and_Multimodal_Projects/blob/main/Computer%20Vision/Image%20Classification/Multiclass%20Classification/Lung%20%26%20Colon%20Cancer/Lung_and_colon_cancer_ViT.ipynb).
Como usar
from transformers import ViTFeatureExtractor, ViTForImageClassification
from PIL import Image
import requests
# Cargar el modelo y el extractor
model = ViTForImageClassification.from_pretrained('DunnBC22/vit-base-patch16-224-in21k_lung_and_colon_cancer')
extractor = ViTFeatureExtractor.from_pretrained('DunnBC22/vit-base-patch16-224-in21k_lung_and_colon_cancer')
# Cargar la imagen
url = 'URL_DE_LA_IMAGEN'
image = Image.open(requests.get(url, stream=True).raw)
# Preparar la imagen
inputs = extractor(images=image, return_tensors="pt")
# Realizar la inferencia
outputs = model(**inputs)
logits = outputs.logits
# Obtener las predicciones
predicted_class_idx = logits.argmax(-1).item()
print("Predicción: ", model.config.id2label[predicted_class_idx])
Funcionalidades
- Clasificación de imágenes
- Transformers
- PyTorch
- TensorBoard
- imagefolder
Casos de uso
- Diagnóstico de cáncer de pulmón mediante imágenes histopatológicas
- Diagnóstico de cáncer de colon mediante imágenes histopatológicas
- Evaluación de la eficacia de tratamientos en imágenes histopatológicas
- Investigación médica y educación