| language: fr | |
| tags: | |
| - vision-transformer | |
| - classification | |
| - detection | |
| - sickle-cell | |
| - drepanocytose | |
| - pytorch | |
| - medical-imaging | |
| license: mit | |
| # DrepaViT — Détection et Classification (Vision Transformer) | |
| Modèle hybride basé sur **Vision Transformer (ViT)** pour la détection et classification de cellules falciformes sur images de frottis sanguin colorées (MGG, Giemsa). | |
| ## Tâche | |
| Détection et classification de cellules falciformes sur images de frottis sanguin colorées (MGG, Giemsa). | |
| ## Performance | |
| | Métrique | Valeur | | |
| |----------|--------| | |
| | Accuracy | > 90% | | |
| | F1-Score | > 0.90 | | |
| | mAP | > 0.90 | | |
| ## Fichiers | |
| - `hybrid_model_script.pt` : poids du modèle hybride ViT (TorchScript) | |
| - `train_drepavit.ipynb` : notebook d'entraînement | |
| ## Utilisation | |
| ```python | |
| import torch | |
| model = torch.jit.load("hybrid_model_script.pt") | |
| model.eval() | |
| with torch.no_grad(): | |
| output = model(input_tensor) | |
| ``` | |
| ## Contexte | |
| Ce modèle constitue l'étape finale du pipeline de recherche sur la drépanocytose, combinant un backbone CNN et une architecture Vision Transformer pour améliorer la précision de détection et classification des cellules falciformes. | |
| ## Auteur | |
| **Abdourahmane BALDE** — [@abdourahmane01](https://huggingface.co/abdourahmane01) | |