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。
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。
pip install -U huggingface_hub hf download akinchanJain7/fracture-check --repo-type space --local-dir fracture-check cd fracture-check
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。
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。
你可以在两个地方使用它。
| 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 |
在线页面不需要安装任何东西。本地副本需要下面这些。
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
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 |
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。
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。
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。
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。
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。
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。
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。
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。
README.md 5 KB
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 | 1 | gradio | mit | |
| Open VLM Leaderboard共有 gradio | 1,034 | gradio | apache-2.0 | |
| Face Swap共有 gradio | 808 | gradio | cc-by-nc-sa-4.0 | |
| TTS Spaces Arena共有 gradio | 493 | gradio | zlib | |
| Depth Anything 3共有 gradio | 490 | gradio | cc-by-nc-4.0 | |
| BLIP共有 gradio | 431 | gradio | bsd-3-clause |
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。
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。
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。
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。
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。
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。