Загрузка моделей...
Готовые решения для реального бизнеса и передовые мировые модели на одной платформе. Используйте в браузере, интегрируйте по API или публикуйте свою модель.
Откройте для себя мир готовых ML-решений!
Узнайте, как модели экономят время, деньги и трансформируют бизнес-процессы.
Найдено моделей: 40

Набор моделей глубокого обучения для автоматической классификации раковых клеток шейки матки из изображений Pap-мазков.

Удаляет персональные данные из медицинских текстов: имена, даты, адреса и идентификаторы.

Модель U-Net для автоматической бинарной сегментации легких с точностью 99.13%.

Классифицирует изображения УЗИ щитовидной железы на доброкачественные, злокачественные или нормальные.

Модель компьютерного зрения, которая по фото лица или участка кожи определяет наличие и степень выраженности акне/угрей. Это решение помогает дерматологам и косметологам стандартизировать первичную оценку состояния кожи, поддерживать клиентов в мобильных приложениях и автоматически отслеживать прогресс лечения. Подходит для интеграции в телемедицинские сервисы и продукты цифрового ухода за кожей.
![Сегментация глиомы мозга по данным ПЭТ с [18F]Ф-ДОФА](/_next/image?url=https%3A%2F%2Fcdn.qubu.ai%2Fml-models%2Fsegmentatsiya-gliomy-mozga-po-dannym-pet-s-18-f-f-dofa%2F6cd61e0dabff72b86b465daed50c4545.jpg&w=3840&q=75)
Автоматическая сегментация глиомы головного мозга на ПЭТ-изображениях с [18F]Ф-ДОФА.

Извлекает цифровые ЭКГ-сигналы из отсканированных 12-канальных изображений с сеткой.

Модель классифицирует изображения кожи на предмет наличия акне, чистой кожи или комедонов.

Классифицирует рентгеновские снимки легких: норма или туберкулез. Использует Vision Transformer.

Модель для обнаружения глаукомы Эта модель обнаруживает глаукому на изображениях глазного дна (сетчатки) с использо

Модель компьютерного зрения, которая по рентгеновским снимкам мозга (МРТ) определяет стадию прогрессирования болезни Альцгеймера (от отсутствия деменции до умеренной деменции). Решение помогает медицинским учреждениям ускорить первичную визуальную оценку, стандартизировать отчётность и поддерживать принятие диагностических решений.

AI-модель для сегментации и оценки внутриглазной жидкости на OCT-изображениях для диагностики заболеваний сетчатки.