返回主页视域经纬

视域经纬

眼底影像八类别多标签预测与辅助解读

本科阶段

项目介绍

视觉模型的数值输出需要与影像、历史结果和可理解反馈共同呈现,同时避免把实验性预测误作临床结论。

PyTorch 模型输出经逐类别 sigmoid 得到八个独立分数;Flask 提供推理与 Web 页面,模型解读作为独立按需步骤。

我的工作

实现模型推理、Web 展示、历史记录与结果导出相关流程。

  • EfficientNet-B4 + CBAM + 自定义分类头
  • 380×380 图像预处理与八类别多标签输出
  • 单图/批量处理、历史 JSON 与 Excel 导出
  • 本地 Ollama 或兼容 API 的按需结果解读

测试与结果

实现验证八类别预测

仓库记录了页面路由、单图和两张图片的批量推理验证,尚无独立数据集上的准确率评测。

查看记录 ↗

使用说明

  • 实验性学习和研究原型,不具备临床诊断或疾病分期能力。
  • 公开仓库未包含完整训练数据、train.py 或独立评测入口,不能据此复现完整训练。