Downloads · 30 days
8
5% of all-time downloads
ham10000-skin-diagnosis
default444/ham10000-skin-diagnosis
ham10000-skin-diagnosis is a machine learning model from default444. Use it for the machine learning task on the model card, and read the license before you ship it in a product. It is set up for pytorch. The card lists the license as mit.
基于双向交叉注意力的多模态皮肤病变分类模型。使用 EfficientNet-B4 提取图像特征，结合患者元数据（年龄、性别、病灶部位），通过双向交叉注意力进行多模态融合。
All-time downloads
167
Public
Repo size
453 MB
Likes
0
Public
Repo makeup
Click a slice to open those files.
.pth453 MB · 100%
At a glance
- Library
- pytorch
- License
- mit
- Access
- Public
- Created
- May 18, 2026
- Updated
- May 19, 2026
- SHA
- b37f6f20
Datasets
Model card
From the Hugging Face model README
多模态皮肤病变分类系统 (Multimodal Skin Lesion Classification)
基于双向交叉注意力的多模态皮肤病变分类模型。使用 EfficientNet-B4 提取图像特征，结合患者元数据（年龄、性别、病灶部位），通过双向交叉注意力进行多模态融合。
性能指标
| 指标 | 值 |
|---|---|
| 准确率 | 90.22% |
| 宏平均 F1 | 84.53% |
| 平衡准确率 | 85.01% |
| df 召回率 | 100% (从基线 16.7% 提升) |
可用模型
| 名称 | 文件 | 模型结构 | 分辨率 | 说明 |
|---|---|---|---|---|
| v18-380 (主模型) | best_model.pth | EfficientNet-B4 + 双向交叉注意力 | 380×380 | 90.22% acc, 84.53% F1 |
| v19-Swin | my_v19_swin.pth | Swin Transformer + 交叉注意力 | 380×380 | Swin 消融实验，90.72% acc |
| v18-improved | my_v18_improved.pth | EfficientNet-B4 + 交叉注意力 | 224×224 | v18 改进版 |
| v18 | my_v18.pth | EfficientNet-B4 + 交叉注意力 | 224×224 | 基础版 |
| v16 | my_v16.pth | EfficientNet-B4 + 注意力融合 | 224×224 | 早期原型 |
加载不同模型
# 主模型
from model_v18_380 import Multimodal_V4_BiDirectional_Res
model = Multimodal_V4_BiDirectional_Res(num_classes=7, metadata_feature_dim=19, pretrained=False)
model.load_state_dict(torch.load("best_model.pth", map_location="cpu"))
# Swin 消融实验
from model_v19 import MultimodalWithSwinCrossAttention
model = MultimodalWithSwinCrossAttention(num_classes=7, metadata_feature_dim=19)
model.load_state_dict(torch.load("my_v19_swin.pth", map_location="cpu"))
License
MIT
- Library
- pytorch
- License
- mit
- Created
- May 18, 2026
- Updated
- May 19, 2026