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

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