Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,70 @@
+---
+license: apache-2.0
+tags:
+- medical
+- segmentation
+- monai
+- 3d-unet
+- pytorch
+pipeline_tag: image-segmentation
+---
+
+# 3D U-Net для медицинской сегментации
+
+Эта модель представляет собой 3D U-Net, обученную на медицинских данных для задач сегментации.
+
+## Архитектура модели
+
+- **Тип**: 3D U-Net (MONAI)
+- **Входные каналы**: 1
+- **Выходные каналы**: 2 (фон + целевой класс)
+- **Каналы**: (16, 32, 64, 128, 256, 512)
+- **Размер патча**: 256x256x256
+- **Функция потерь**: Dice Loss
+
+## Использование
+
+```python
+import torch
+from monai.networks.nets import UNet
+from huggingface_hub import hf_hub_download
+
+# Загрузка модели
+model = UNet(
+    spatial_dims=3, 
+    in_channels=1, 
+    out_channels=2,
+    channels=(16, 32, 64, 128, 256, 512), 
+    strides=(2, 2, 2, 2, 2, 2),
+    num_res_units=2, 
+    dropout=0.2
+)
+
+# Загрузка весов
+model_path = hf_hub_download(repo_id="your-username/your-model-name", filename="best_metric_model.pth")
+model.load_state_dict(torch.load(model_path, map_location='cpu'))
+model.eval()
+```
+
+## Предобработка данных
+
+Модель ожидает входные данные в следующем формате:
+- Нормализация интенсивности: [-1000, 4000] -> [0, 1]
+- Размер входа: (1, 256, 256, 256)
+- Тип данных: torch.float32
+
+## Обучение
+
+Модель была обучена с использованием:
+- Оптимизатор: Adam (lr=1e-4, weight_decay=1e-5)
+- Scheduler: ReduceLROnPlateau
+- Аугментации: случайные отражения, повороты, изменения интенсивности
+- Метрика: Dice Score
+
+## Требования
+
+```
+torch
+monai
+numpy
+```