Applicazioni pratiche di deep learning/Diagnosi alzheimer

Il modello AhmadHakami/alzheimer-image-classification-google-vit-base-patch16 che si trova su Hagging Face qui : https://huggingface.co/AhmadHakami/alzheimer-image-classification-google-vit-base-patch16 è stato ottenuto addestrandolo sulle risonanze magnetiche del cervello che si trovano qui : https://www.kaggle.com/datasets/sachinkumar413/alzheimer-mri-dataset . Il modello consente di individuare il tipo di demenza con un'accuratezza del 92,61% . Le possibili classificazioni della risonanza sono 4 in inglese:

Class - 1: Mild Demented - Lieve demenza
Class - 2: Moderate Demented - Demenza moderata
Class - 3: Non Demented - Non demente
Class - 4: Very Mild Demented - Demenza molto lieve


Ci sono 3 possibilità per utilizzarlo :

1) Collegarsi con la pagina del modello https://huggingface.co/AhmadHakami/alzheimer-image-classification-google-vit-base-patch16 , cliccare su "Drag image here or click to browse from your device" e caricare la fotografia della risonanza . Si otterrà una previsione della demenza con la relativa accuratezza che va dall'1% al 100% .

2) Creare su Colab un nuovo file e incollare il seguente codice :

!pip install -q transformers
from transformers import pipeline

pipe = pipeline("image-classification", "AhmadHakami/alzheimer-image-classification-google-vit-base-patch16")

Caricare la fotografia della risonanza sul server tramite il seguente codice:

from google.colab import files 
files.upload()

Si può utilizzare il seguente codice per la sua visualizzazione della risonanza:

from pathlib import Path
from PIL import Image
path_im = Path('risonanza.jpg')
image = Image.open(path_im)
image


Per ottenere la classificazione della risonanza digitare :

 pipe(image)

con il seguente risultato :

[{'score': 0.9921261072158813, 'label': 'Mild_Demented'},
{'score': 0.004375966731458902, 'label': 'Very_Mild_Demented'},
{'score': 0.0018421364948153496, 'label': 'Moderate_Demented'},
{'score': 0.0016556483460590243, 'label': 'Non_Demented'}]


Quindi nel caso specifico si tratta di una lieve dememnza con un'accuratezza del 99,21% .

3) Invece di caricare la foto sul server di Colab si può importarla direttamente dal web con :

from PIL import Image
import requests

url = 'https://www.mio_sito.it/risonanza.jpg'
image = Image.open(requests.get(url, stream=True).raw)
image
modifica