---
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)