OsteoXRay_V0.1_Flux_Kontext_JGF
详情
下载文件
关于此版本
模型描述
一个朋友向我提出的朴素实验：
像Flux Kontext这样专为艺术和摄影编辑设计的模型，能否用于处理医学图像，例如“简单”地用红色标记骨折？
简短回答：它确实做了一些有趣的事，但过度标注，离作为医疗工具的可靠性还很远。这只是一个用来探索想法的原型，仅此而已。
如何使用它
上传一张骨骼X光片（真实或合成）。
提出请求：“Make marks where there is a fracture”。
根据你的需求调整去噪、采样器和调度器：
谨慎模式（减少假阳性）
采样器 Euler，15步
调度器 Karras
去噪 0.90
测试结果：
假阳性 ≈ 24%
骨折检测 ≈ 20%
敏感模式（更多检测，但噪声很大）
Euler，15步，Karras
去噪 1.0
结果：
假阳性 ≈ 80%
骨折检测 ≈ 86%
更激进的设置（例如将rk beta57调至去噪1.0）会达到荒谬的程度：100%假阳性，100%检测——它把所有区域都涂成红色，几乎能标记所有骨折，但同时也标记了大量健康区域，对未经训练的眼睛来说难以区分。
使用为Civitai制作的100% AI生成的合成微型数据集（10张健康X光片和10张骨折X光片）：
假阳性：100% 出现在健康骨骼上。
骨折检测：≈ 45%
适合用于
医学影像的AI原型与测试。
X光中“可疑”区域的引人注目的可视化（实验性与创意艺术，这里有个奇特的工具 xD）。
用于教学/实验的材料，探索灵敏度与假阳性之间的平衡。
不适合用于
诊断任何严重疾病。
替代医生，远远不够！
重要提示
此LoRa仅用于视觉实验。它不是医疗设备，不可靠，不应用于临床诊断。
当然，考虑到它是开源的、快速（每张图像分析仅需25秒），且可在台式机上运行，我认为未来值得继续探索这一概念……我们拭目以待！
玩得开心！
———
一个朋友向我提出的朴素实验：
像Flux Kontext这样专为艺术和摄影编辑设计的模型，能否用于处理医学图像，例如“简单”地用红色标记骨折？
简短回答：它确实做了一些有趣的事，但过度标注，离作为医疗工具的可靠性还很远。这只是一个用来探索想法的原型，仅此而已。
如何使用它
上传一张骨骼X光片（真实或合成）。
提出请求：“Make marks where there is a fracture”。
根据你的需求调整去噪、采样器和调度器：
谨慎模式（减少假阳性）
采样器 Euler，15步
调度器 Karras
去噪 0.90
测试结果：
假阳性 ≈ 24%
骨折检测 ≈ 20%
敏感模式（更多检测，但噪声很大）
Euler，15步，Karras
去噪 1.0
结果：
假阳性 ≈ 80%
骨折检测 ≈ 86%
更激进的设置（例如将rk beta57调至去噪1.0）会达到荒谬的程度：100%假阳性，100%检测——它把所有区域都涂成红色，几乎能标记所有骨折，但同时也标记了大量健康区域，对未经训练的眼睛来说难以区分。
使用为Civitai制作的100% AI生成的合成微型数据集（10张健康X光片和10张骨折X光片）：
假阳性：100% 出现在健康骨骼上。
骨折检测：≈ 45%
适合用于
医学影像的AI原型与测试。
X光中“可疑”区域的引人注目的可视化（实验性与创意艺术，这里有个奇特的工具 xD）。
用于教学/实验的材料，探索灵敏度与假阳性之间的平衡。
不适合用于
诊断任何严重疾病。
替代医生，远远不够！
重要提示
此LoRa仅用于视觉实验。它不是医疗设备，不可靠，不应用于临床诊断。
当然，考虑到它是开源的、快速（每张图像分析仅需25秒），且可在台式机上运行，我认为未来值得继续探索这一概念……我们拭目以待！
玩得开心！