You need to agree to share your Hugging Face information to access this model
This repository is publicly accessible, but you have to accept the conditions to access its files and content.
Repo này chứa checkpoint, log và dự đoán của các model phân loại ảnh nhũ ảnh (mammography), train trên dữ liệu bệnh viện và các bộ dữ liệu công khai có thỏa thuận sử dụng. File dự đoán và file chia fold có mã bệnh nhân của dataset gốc. Quyền truy cập được duyệt thủ công và chỉ cấp cho mục đích nghiên cứu.
Log in or Sign Up to review the conditions and access this model content.
mammoSGM weights
Checkpoint và toàn bộ output khi train các model phân loại mammography của dự án mammoSGM. Có hai task:
- cancer: ung thư (malignant) so với không ung thư (benign + normal);
- abn: bất thường (benign + malignant) so với bình thường (normal).
Mỗi dataset có 2 setting (based = CNN toàn ảnh, mil_v4a = multiple-instance learning 3 patch) × 3 backbone
(ConvNeXt-V2 tiny, ResNet-34, ResNet-50) × 5 fold, tức 30 run.
Kết quả val và test chi tiết (accuracy, precision, recall, specificity, F1, macro-F1, AUROC, confusion matrix,
cả 5 fold, đường dẫn best checkpoint) nằm trong RESULTS_based_mil.md (bản đầy đủ) và
RESULTS_based_mil_short.md. RESULTS_sgm_v20261113.md chỉ tóm tắt hai bộ SGM mới. Các đường dẫn tuyệt đối /mnt/sda1/SGM_Project/experiments/...
trong hai file đó tương ứng với thư mục gốc của repo này.
Nội dung
| Thư mục | Nội dung |
|---|---|
runs/{dataset}/{config}/fold{k}/ |
1 run train: best.pth (epoch có val AUROC cao nhất), last.pth (epoch cuối), config.json, metrics.json, log.csv, train.log, val_predictions.csv, test_predictions.csv, biểu đồ ROC, confusion matrix, learning curve |
results/{dataset}/ |
Kết quả evaluate: summary.md, summary_selected.csv, summary_per_fold.csv, classification_report.md, dự đoán OOF và test, confusion_matrices/ |
folds_meta/{dataset}/fold{k}/metadata.csv |
Chia train / val / test dùng cho từng fold |
runs_transfer/, results_transfer/ |
Fine-tune trên SGM (sgm_v20261113) từ checkpoint của dataset khác. Hiện có cặp VinDr → SGM; các cặp khác sẽ được thêm khi train xong |
SHA256SUMS |
sha256 của mọi file trong repo (trừ README) |
Dataset
| Thư mục | Task | Mức đánh giá |
|---|---|---|
cmmdv2 |
cancer | vú |
lumina_breast_v20261019 |
cancer | vú |
optimamv2 |
cancer | ảnh |
vindr |
cancer | vú |
sgm_v20261113 |
cancer | ảnh |
cmmdv2_abn_v20261029 |
abn | vú |
lumina_abn_v20261029 |
abn | vú |
vindr_abn_v20261029 |
abn | vú |
sgm_abn_v20261113 |
abn | ảnh |
cmmdv2_n1416_v20261103 |
cancer, dev thu nhỏ (~1.400 ảnh) để đối chứng cỡ mẫu | vú |
Cách train và chọn model
- Ảnh 448×448, batch 8, tối đa 60 epoch (early stopping patience 40), lr 3e-5, weight decay 0.01, warmup 5 epoch,
cross-entropy, balanced sampler, khởi tạo ImageNet. MIL: 3 patch, overlap 0.2, local scale 2, aux weight 0.5.
Hyperparameter cố định cho mọi dataset; seed ngẫu nhiên cho từng run (ghi trong
train.log); không ensemble. - Model dùng để báo cáo test của mỗi cấu hình là
best.pthcủa fold có val macro-F1 cao nhất (ở mức đánh giá của dataset), với ngưỡng cố định 0.5. Fold được chọn có cộtselectedtrongresults/{dataset}/summary_selected.csv.
Nạp checkpoint
Mỗi file .pth là một dict {"state_dict", "meta"}; meta mô tả kiến trúc và cách tiền xử lý. Nạp bằng code mammoSGM:
import torch
from src.models.checkpoint import build_model_from_checkpoint
model, settings = build_model_from_checkpoint("runs/sgm_v20261113/mil_v4a_convnextv2_tiny/fold0/best.pth", None,
torch.device("cuda"))
Lưu ý
*_predictions.csvghi xác suất với 6 chữ số thập phân. Với model quá tự tin, nhiều xác suất bị làm tròn thành 0 hoặc 1, nên AUROC tính lại từ file có thể thấp hơn số trongmetrics.json, nặng nhất ở một vài fold MIL của VinDr. Các chỉ số ở ngưỡng 0.5 không bị ảnh hưởng. Xem phần "Lưu ý về AUROC" trong RESULTS_based_mil.md.- Chỉ dùng cho nghiên cứu, không dùng để chẩn đoán lâm sàng.