keremberke/yolov8s-clasificación-radiografía-tórax
keremberke
Clasificación de imagen
Este modelo de clasificación de imágenes está diseñado para la clasificación de radiografías de tórax. Basado en _YOLOv8_ y utilizando las bibliotecas de _ultralytics_, permite la detección precisa de las condiciones 'NORMAL' y 'NEUMONÍA' a partir de imágenes médicas.
Como usar
Instalar ultralyticsplus:
pip install ultralyticsplus==0.0.23 ultralytics==8.0.21
Cargar el modelo y realizar predicciones:
from ultralyticsplus import YOLO, postprocess_classify_output
# cargar el modelo
model = YOLO('keremberke/yolov8s-chest-xray-classification')
# establecer parámetros del modelo
model.overrides['conf'] = 0.25 # umbral de confianza del modelo
# establecer imagen
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'
# realizar inferencia
results = model.predict(image)
# observar resultados
print(results[0].probs) # [0.1, 0.2, 0.3, 0.4]
processed_result = postprocess_classify_output(model, result=results[0])
print(processed_result) # {"cat": 0.4, "dog": 0.6}
Funcionalidades
- Clasificación de imágenes de radiografías de tórax
- Compatible con _TensorBoard_
- Implementado con _PyTorch_
- Usa la biblioteca _ultralytics_ versión 8
- Acceso a métricas de entrenamiento y resultados de evaluación
Casos de uso
- Diagnóstico médico asistido por inteligencia artificial
- Clasificación de condiciones pulmonares en radiografías
- Apoyo en la toma de decisiones clínicas