anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
Merlin-Cancer-Super 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 AbdomenAtlas/Merlin-Cancer-Super
Merlin-Cancer-Super 是用于 CT 扫描的肿瘤检测和分割模型。它把从放射学报告中学习的 R-Super 方法,应用到 Merlin Plus 数据集的报告和掩码数据上。模型卡称,它在九个器官上表现优于公开的 AI 模型和顶尖的视觉语言模型,其中包括膀胱、胃、前列腺和子宫。
如果你是研究肿瘤分割和从报告中学习的医学影像研究人员,它就适合你。模型卡没有把它说成可用于患者护理,所以请把它当作研究工具。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 放射学研究 | 医学影像团队 | 在 CT 扫描上检测和分割肿瘤 | 运行腹部 CT 扫描并查看勾画出的肿瘤 |
| 医学 AI | 研究基于报告训练的团队 | 研究报告如何监督分割 | 了解 Volume Loss 和 Ball Loss 两项是怎么工作的 |
| 医疗数据 | 数据集制作者 | 把模型与 Merlin Plus 数据集配合使用 | 把模型的掩码与数据集的标注做对比 |
如果你需要商业使用或衍生作品(它的许可证不允许),或者需要用于患者决策的工具,可以跳过它。
| 用例 | 谁 | 得到什么 |
|---|---|---|
| 肿瘤检测 | 影像研究人员 | 九个指定器官里肿瘤的检测结果 |
| 肿瘤分割 | 影像研究人员 | 在 CT 扫描上勾画肿瘤的掩码 |
| 方法研究 | 医学 AI 团队 | 一个经过训练的报告监督示例 |
你需要先准备:
pip install -U huggingface_hub hf download AbdomenAtlas/Merlin-Cancer-Super
你用这个模型通过 R-Super 代码处理 CT 扫描,并读取它产生的肿瘤检测结果和掩码。这里能看到的模型卡文字没有给出运行命令,具体步骤请看 R-Super 项目。
| 工具 | 作用 |
|---|---|
| pip install -U huggingface_hub | 安装或更新 Hugging Face 的下载客户端 |
| hf download | 把模型仓库的文件下载到你的电脑 |
一位研究人员拿一份腹部 CT 扫描,用这个模型通过 R-Super 代码运行。他们期待得到勾画九个器官中任何肿瘤的掩码,再拿去和放射科医生的报告对比。
分割是指在扫描图上勾画出某个结构,这里是肿瘤。可以先读模型页面和它列出的论文,再用上面的两条命令获取文件。
对熟悉这个领域的读者来说,R-Super 在训练前先用大语言模型从放射学报告中提取肿瘤细节。然后两个新的损失函数 Volume Loss 和 Ball Loss 推动分割结果在肿瘤数量、直径和位置上与报告一致。训练数据是 Merlin Plus,它建立在斯坦福的 25,494 份 CT 扫描之上。
在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。
由 AbdomenAtlas 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:Merlin-Cancer-Super 是用于 CT 扫描的肿瘤检测和分割模型。它把从放射学报告中学习的 R-Super 方法,应用到 Merlin Plus 数据集的报告和掩码数据上。模型卡称,它在九个器官上表现优于公开的 AI 模型和顶尖的视觉语言模型,其中包括膀胱、胃、前列腺和子宫。
适合谁:如果你是研究肿瘤分割和从报告中学习的医学影像研究人员,它就适合你。模型卡没有把它说成可用于患者护理,所以请把它当作研究工具。
行业 | 谁在用 | 怎么用 | 例子
放射学研究 | 医学影像团队 | 在 CT 扫描上检测和分割肿瘤 | 运行腹部 CT 扫描并查看勾画出的肿瘤
医学 AI | 研究基于报告训练的团队 | 研究报告如何监督分割 | 了解 Volume Loss 和 Ball Loss 两项是怎么工作的
医疗数据 | 数据集制作者 | 把模型与 Merlin Plus 数据集配合使用 | 把模型的掩码与数据集的标注做对比
如果你需要商业使用或衍生作品(它的许可证不允许),或者需要用于患者决策的工具,可以跳过它。
用在哪里:
用例 | 谁 | 得到什么
肿瘤检测 | 影像研究人员 | 九个指定器官里肿瘤的检测结果
肿瘤分割 | 影像研究人员 | 在 CT 扫描上勾画肿瘤的掩码
方法研究 | 医学 AI 团队 | 一个经过训练的报告监督示例
如何设置:
你需要先准备:
pip install -U huggingface_hub
hf download AbdomenAtlas/Merlin-Cancer-Super
如何使用:你用这个模型通过 R-Super 代码处理 CT 扫描,并读取它产生的肿瘤检测结果和掩码。这里能看到的模型卡文字没有给出运行命令,具体步骤请看 R-Super 项目。
工具 | 作用
pip install -U huggingface_hub | 安装或更新 Hugging Face 的下载客户端
hf download | 把模型仓库的文件下载到你的电脑
示例:一位研究人员拿一份腹部 CT 扫描,用这个模型通过 R-Super 代码运行。他们期待得到勾画九个器官中任何肿瘤的掩码,再拿去和放射科医生的报告对比。
新手与专家:分割是指在扫描图上勾画出某个结构,这里是肿瘤。可以先读模型页面和它列出的论文,再用上面的两条命令获取文件。
对熟悉这个领域的读者来说,R-Super 在训练前先用大语言模型从放射学报告中提取肿瘤细节。然后两个新的损失函数 Volume Loss 和 Ball Loss 推动分割结果在肿瘤数量、直径和位置上与报告一致。训练数据是 Merlin Plus,它建立在斯坦福的 25,494 份 CT 扫描之上。
大语言模型读取放射学报告
提取肿瘤数量、大小和位置
Volume 和 Ball 损失引导训练
把 CT 扫描输入模型
输出肿瘤检测结果和掩码
注意事项:
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download AbdomenAtlas/Merlin-Cancer-Super
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 5 KB
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
dBenf · 工具包
回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。
yuji-nozawa · 工具包
一篇研究论文的三种规模的预训练视觉 Transformer 检查点,论文研究如何训练注意力头去关注图像区域。适合提取图像特征和复现论文的研究人员。