Mindket

Fracture Check

新上架第 1 版 · 更新于

概览

初筛手部、手臂、腿部、髋部和肩部的 X 光片是否可能骨折,用热力图显示模型关注的区域,并标出最可能的骨折位置。这是学生研究项目,供学习使用,不能用于医疗决策。

Fracture Check 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 3.12
  • Windows、macOS 或 Linux
  • requirements.txt 里列出的 Python 包
用在
  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Python 3.12 运行本地副本
先运行
pip install -U huggingface_hub
hf download akinchanJain7/fracture-check --repo-type space --local-dir fracture-check
cd fracture-check

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

Fracture Check 用来初筛手部、手臂、腿部、髋部或肩部的 X 光片,看有没有骨折迹象。它会估计片子里是否有骨折,用热力图画出模型关注的区域,并标出最可能的位置。同一个页面里还有读结果的说明,以及一份通用的骨折护理指南。

适合谁

它适合想了解医学影像模型从上传到出结果全过程的学生和爱好者。想学习可解释图像模型的人,也可以拿它当一个现成的例子。

行业谁在用怎么用例子
教育计算机专业的学生研究分类器、热力图和检测器如何配合在同一张 X 光片上对比热力图和标出的框
研究医学影像研究者查看一个基于公开数据集的小型基线对照模型卡阅读测试结果
教学教师在浏览器里现场演示可解释的模型课堂演示时上传一张 X 光片
健康科普感兴趣的读者阅读护理指南和读片说明弄清结果页面的含义

需要真正诊断的人可以跳过它,因为只有临床医生读片才算数。

用在哪里

你可以在两个地方使用它。

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Python 3.12 运行本地副本
Use caseWhoWhat they get back
骨折估计学生对 X 光片是否有骨折的估计
热力图学习者一张标出模型关注区域的图
骨折标记研究者落在最可能骨折处的一个框
护理指南读者骨折护理和读结果的通用说明

如何设置

在线页面不需要安装任何东西。本地副本需要下面这些。

  • Python 3.12
  • Windows、macOS 或 Linux
  • requirements.txt 里列出的 Python 包
  1. 安装 Python 3.12。
  2. 安装 Hugging Face 的 hub 包,并下载这个 Space 的副本。
  3. 进入新文件夹,安装 Gradio 6.31.0 和 requirements.txt 里的包。
  4. 用 python app.py 启动应用。
pip install -U huggingface_hub
hf download akinchanJain7/fracture-check --repo-type space --local-dir fracture-check
cd fracture-check
pip install gradio==6.31.0
pip install -r requirements.txt
python app.py

如何使用

上传一张手部、手臂、腿部、髋部或肩部的 X 光片,然后查看估计结果、热力图和标出的框。在本地副本上,用下面这条命令启动页面。

python app.py
工具作用
ConvNeXt-Tiny 分类器估计 X 光片是否显示骨折
Grad-CAM 热力图显示分类器关注的位置
Faster R-CNN 检测器标出最可能的骨折位置
护理指南讲解如何看结果,并给出通用的骨折护理说明

示例

你上传一张手部 X 光片。页面会给出分类器对是否骨折的估计、一张显示它关注区域的热力图,以及落在最可能骨折处的一个框。

新手与专家

如果你是新手,先在浏览器里打开这个 Space,上传一张 X 光片。先看热力图,再看框,对比它们是否指向同一片区域。

如果你熟悉这个领域,它的组成是用 ConvNeXt-Tiny 做分类,用 Grad-CAM 做解释,用 Faster R-CNN 做定位,训练数据是 FracAtlas 数据集。在一次性测试中,589 张 X 光片里有 102 张骨折,分类器找出了其中的 94 张,并排除了 71% 无骨折的片子。在 75% 的骨折片上,检测器的第一个框落在了骨折处。

  1. 上传一张 X 光片
  2. ConvNeXt-Tiny 估计是否骨折
  3. Grad-CAM 画出热力图
  4. Faster R-CNN 标出可能的骨折处
  5. 页面讲解结果

注意事项

这是学生做的研究项目,不是医疗器械。不要用它来决定是否就医。

  • License: MIT
  • Cost to run: 未提及
  • Data it reaches: 你上传的 X 光片,另外 app.py 启动时会从 GitHub 取回代码,并从模型仓库取回模型
  • Not for: 决定是否就医,或代替医生读片
  • Dataset: FracAtlas,以 CC BY 4.0 共享

README 和文件

README

Fracture Check

初筛手部、手臂、腿部、髋部和肩部的 X 光片是否可能骨折,用热力图显示模型关注的区域,并标出最可能的骨折位置。这是学生研究项目,供学习使用,不能用于医疗决策。

由 akinchanJain7 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:Fracture Check 用来初筛手部、手臂、腿部、髋部或肩部的 X 光片,看有没有骨折迹象。它会估计片子里是否有骨折,用热力图画出模型关注的区域,并标出最可能的位置。同一个页面里还有读结果的说明,以及一份通用的骨折护理指南。

适合谁:它适合想了解医学影像模型从上传到出结果全过程的学生和爱好者。想学习可解释图像模型的人,也可以拿它当一个现成的例子。

行业 | 谁在用 | 怎么用 | 例子
教育 | 计算机专业的学生 | 研究分类器、热力图和检测器如何配合 | 在同一张 X 光片上对比热力图和标出的框
研究 | 医学影像研究者 | 查看一个基于公开数据集的小型基线 | 对照模型卡阅读测试结果
教学 | 教师 | 在浏览器里现场演示可解释的模型 | 课堂演示时上传一张 X 光片
健康科普 | 感兴趣的读者 | 阅读护理指南和读片说明 | 弄清结果页面的含义

需要真正诊断的人可以跳过它,因为只有临床医生读片才算数。

用在哪里:你可以在两个地方使用它。

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Python 3.12 运行本地副本
Use case | Who | What they get back
骨折估计 | 学生 | 对 X 光片是否有骨折的估计
热力图 | 学习者 | 一张标出模型关注区域的图
骨折标记 | 研究者 | 落在最可能骨折处的一个框
护理指南 | 读者 | 骨折护理和读结果的通用说明

如何设置:在线页面不需要安装任何东西。本地副本需要下面这些。

  • Python 3.12
  • Windows、macOS 或 Linux
  • requirements.txt 里列出的 Python 包
  1. 安装 Python 3.12。
  2. 安装 Hugging Face 的 hub 包,并下载这个 Space 的副本。
  3. 进入新文件夹,安装 Gradio 6.31.0 和 requirements.txt 里的包。
  4. 用 python app.py 启动应用。
pip install -U huggingface_hub
hf download akinchanJain7/fracture-check --repo-type space --local-dir fracture-check
cd fracture-check
pip install gradio==6.31.0
pip install -r requirements.txt
python app.py

如何使用:上传一张手部、手臂、腿部、髋部或肩部的 X 光片,然后查看估计结果、热力图和标出的框。在本地副本上,用下面这条命令启动页面。

python app.py
工具 | 作用
ConvNeXt-Tiny 分类器 | 估计 X 光片是否显示骨折
Grad-CAM 热力图 | 显示分类器关注的位置
Faster R-CNN 检测器 | 标出最可能的骨折位置
护理指南 | 讲解如何看结果,并给出通用的骨折护理说明

示例:你上传一张手部 X 光片。页面会给出分类器对是否骨折的估计、一张显示它关注区域的热力图,以及落在最可能骨折处的一个框。

新手与专家:如果你是新手,先在浏览器里打开这个 Space,上传一张 X 光片。先看热力图,再看框,对比它们是否指向同一片区域。

如果你熟悉这个领域,它的组成是用 ConvNeXt-Tiny 做分类,用 Grad-CAM 做解释,用 Faster R-CNN 做定位,训练数据是 FracAtlas 数据集。在一次性测试中,589 张 X 光片里有 102 张骨折,分类器找出了其中的 94 张,并排除了 71% 无骨折的片子。在 75% 的骨折片上,检测器的第一个框落在了骨折处。

上传一张 X 光片
ConvNeXt-Tiny 估计是否骨折
Grad-CAM 画出热力图
Faster R-CNN 标出可能的骨折处
页面讲解结果

注意事项:这是学生做的研究项目,不是医疗器械。不要用它来决定是否就医。

  • License: MIT
  • Cost to run: 未提及
  • Data it reaches: 你上传的 X 光片,另外 app.py 启动时会从 GitHub 取回代码,并从模型仓库取回模型
  • Not for: 决定是否就医,或代替医生读片
  • Dataset: FracAtlas,以 CC BY 4.0 共享

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:gradio
  • 许可证:mit

链接

  • Space:https://huggingface.co/spaces/akinchanJain7/fracture-check
  • 文件:https://huggingface.co/spaces/akinchanJain7/fracture-check/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
Fracture Check 本页1gradiomit
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Nanosaur2-670M

well9472 · 工具包

用一个 670M 参数的小型扩散模型,根据文字提示生成插画,在 ComfyUI 中运行。这是一个低预算的研究模型,适合想试用或训练自己 LoRA 的人。

新上架

waqf-ocr-hand-written-v1

Waqf-AI · 工具包

读取图片中的阿拉伯语手写文字并以文本形式返回。这是微调过的 PaddleOCR-VL 模型,适合要把阿拉伯语手写内容数字化的人。

新上架

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段,最高 720P、每秒 24 帧,Diffusers 格式,适合单块消费级 GPU。

新上架

研究类的相似商品

查看研究类的全部商品

REMEND

udiboy1209 · 工具包

用一个小型神经反编译器从编译后的二进制代码中还原数学公式,并提供论文里的数据集和训练好的模型。适合逆向工程师和研究者。

新上架

Drishya Tiny

udgamlabs · 工具包

把文字提示,或文字加首帧图片,变成 2 秒、256×256 的视频片段,使用 212M 参数的生成器。这是一个小型研究版本,最擅长海浪、火焰和下雪的天空。

新上架

monoyield-predictor

Tsuboyama-Lab · 工具包

预测一条蛋白质序列在大肠杆菌里能以单体形式表达多少,单位为 log10 mg/L。提供 ESMC-6B 和 SaProt 的已训练 LoRA 适配器和回归头,面向蛋白质研究人员。

新上架