RET-CLIP

用临床报告训练视网膜AI，零样本识别眼科疾病

RET-CLIP 是一个视网膜图像基础模型，利用临床诊断报告进行预训练。它解决了视网膜图像分析中标签稀缺和模型泛化能力不足的问题，通过将图像与对应的临床文本报告对齐，学习到更丰富的语义表征。核心能力包括零样本分类、跨模态检索和特征提取，可用于多种眼科疾病（如糖尿病视网膜病变、黄斑变性等）的辅助诊断。该模型基于 CLIP 架构，针对视网膜图像进行了专门优化，在多个公开数据集上展示了良好的迁移性能。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 72
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队sStonemason
所属国家
官网地址
GitHubhttps://github.com/sStonemason/RET-CLIP
定价模式free
价格说明开源模型，可自行部署，完全免费。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型foundation-models,fundus-image-analysis,medical-imaging,vision-language-model
GitHub 星标★ 72
30天Star增速
HF 下载量
上线时间2024-05-21 00:00:00
最近更新2026-09-13 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

核心亮点

  • 利用临床报告文本监督，学习到更丰富的医学语义特征
  • 支持零样本分类，无需大量标注数据即可应用于新任务
  • 针对视网膜图像优化，在眼科疾病诊断上表现优于通用视觉模型

不足之处

  • 项目处于早期阶段，文档和社区支持有待完善
  • 模型规模较小，可能在大规模复杂任务上性能受限

适用场景

  • 眼科疾病辅助诊断（糖网、黄斑变性等）
  • 视网膜图像检索与相似病例匹配
  • 医学影像与文本跨模态研究

替代项目

MedCLIP、BioViL、CONCH

项目介绍

RET-CLIP 是开源模型领域的开源项目，由 sStonemason 开发，2024 年首次发布。

它收录于开源模型分类，该分类目前共有 424 个项目，GitHub 星标数为 72。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-13。可自行部署，完全免费。

它主要面向的使用场景是：眼科疾病辅助诊断（糖网、黄斑变性等）。同类可对比的替代方案包括 MedCLIP、BioViL、CONCH。

上一篇：GraphCLIP

下一篇：LIMU-BERT_Experience

同类项目推荐

Machine-Learning 开源

跟着博客笔记，边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
awesome-ltx2 开源

找齐 LTX-2 模型、工作流和 LoRA，一键上手视频生成。

All available LTX-2 models, encoders, workflows, LoRAs for ComfyUI

★ 593 2026-08-10