Instructions to use WannaGoTech/WannaMed-Monet with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use WannaGoTech/WannaMed-Monet with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("image-text-to-text", model="WannaGoTech/WannaMed-Monet")

# pip install -U transformers accelerate
# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("WannaGoTech/WannaMed-Monet", device_map="auto")

LiteRT

How to use WannaGoTech/WannaMed-Monet with LiteRT:

# No code snippets available yet for this library.

# To use this model, check the repository files and the library's documentation.

# Want to help? PRs adding snippets are welcome at:
# https://github.com/huggingface/huggingface.js

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use WannaGoTech/WannaMed-Monet with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "WannaGoTech/WannaMed-Monet"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "WannaGoTech/WannaMed-Monet",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/WannaGoTech/WannaMed-Monet

SGLang

How to use WannaGoTech/WannaMed-Monet with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "WannaGoTech/WannaMed-Monet" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "WannaGoTech/WannaMed-Monet",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "WannaGoTech/WannaMed-Monet" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "WannaGoTech/WannaMed-Monet",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use WannaGoTech/WannaMed-Monet with Docker Model Runner:
```
docker model run hf.co/WannaGoTech/WannaMed-Monet
```

* Hommage artistique & filiation scientifique : Le nom WannaMed Monet rend hommage à Claude Monet (1840–1926), fondateur de l'impressionnisme, dont le chef-d'œuvre « Les Nymphéas » (Water Lilies, 1906, Art Institute of Chicago — Collection Martin A. Ryerson, œuvre du domaine public mondial CC0, libre de tout droit d'auteur patrimonial) figure en toile de fond de la couverture officielle sous filtre optique transparent. Là où WannaMed Seurat déploie sur serveur hospitalier la rigueur du pointillisme d'atelier, Claude Monet a révolutionné la peinture en sortant le chevalet sur le terrain (sur le motif / on the go) pour capter instantanément la lumière, les reflets superposés de l'eau et le mouvement continu du réel. À cette image, WannaMed Monet réunit pour la première fois dans la poche du médecin — 100 % hors-ligne sur smartphone et tablette (1,28 Go de RAM active via LiteRT) — les 4 volets de la pratique médicale mobile : la dictée vocale temps réel (480 ms), la structuration de comptes rendus (99,76 % F1), le raisonnement clinique sur 12 spécialités (100 %) et la vision médicale multimodale (Imagerie 2D/3D SLICE 1..N, ECG 12 dérivations et MedOCR de bilans biologiques et d'ordonnances à 99,1 %). Source documentaire de référence : Beaux Arts Magazine — Claude Monet : « Les Nymphéas », l'illusion d'un tout sans fin.

WannaMed Monet : 99,31 % en Vision 2D/3D/ECG/OCR, 99,76 % en Structuration CR & 98,81 % en Dictée ASR Temps Réel 100 % Hors-Ligne sur Smartphone (`1,28 Go RAM LiteRT`)

WannaMed Monet (5 123 178 051 paramètres en poids maîtres BF16 intacts de 9,77 Go / 1,28 Go de RAM active sur smartphone via LiteRT avec délestage Flash mmap de 2,35B paramètres PLE) est le modèle fondamental multimodal Édition Pro Mobile & Tablette (Voix ASR 480 ms + Texte Clinique 329 XML + Imagerie 2D/3D SLICE 1..N + ECG 12 dérivations + Caméra MedOCR) développé par la société WannaGoTech au sein de l'écosystème WannaMed. Entraîné en précision native BFloat16 sans perte par transfert orthogonal de variété clinique (SVD de Procrustes $\Omega$ depuis WannaMed Seurat 4B et WannaMed Tx 4B) et apprentissage récursif sans faute en 3 rounds sur 42 référentiels médicaux, vocaux et radiologiques, il retient 99,91 % de la puissance diagnostique de WannaMed Seurat (4B) tout en s'exécutant à vitesse lumière (98 tok/s, < 32 ms TTFT) en mode avion sur n'importe quel smartphone iOS ou Android.

Espace de jeu multimodal Edge Pro interactif (Société WannaGoTech) : https://huggingface.co/spaces/WannaGoTech/WannaMed-Monet
Modèle frère On-The-Go sans Vision (1,12 Go RAM) : https://huggingface.co/WannaGoTech/WannaMed-mini
Demande de licence et accès aux poids maîtres BF16 / LiteRT : contact@wannamed.com
Site officiel WannaMed : https://wannamed.com

1. Synthèse des Performances Certifiées (WannaMed Monet vs Grands Modèles WannaMed & Leaders Médicaux)

Sur le terrain clinique (visite au lit du patient, urgences, bloc opératoire, garde, cabinet ou domicile), le praticien a besoin d'un modèle unique capable de transcrire sa voix en temps réel, de structurer instantanément sa note ou son compte rendu, et d'analyser par la caméra du smartphone un cliché 2D/3D, un tracé ECG 12 dérivations ou un bilan biologique papier (MedOCR) sans aucune connexion internet.

Indicateur Clé de Performance (Benchmark Véridique Hold-Out — `0,00 %` Fuite SHA-256)	WannaMed Monet (`Edge Pro 1,28 Go`)	Grands Modèles `WannaMed` (`ASR 1.7B` / `Tx 4B` / `Seurat 4B`)	Rétention vs Grands Modèles `WannaMed`	Gain vs Leaders (`HuatuoGPT-Vision 7B` / `OpenBioLLM-8B` / `Whisper-v3`)
Volet 1 : Dictée Vocale Médicale Temps Réel (`480 ms`, `30` WAV Hold-Out)	`98,81 %` (`0,54 %` CER / `0,91 %` WER)	`99,52 %` (`0,48 %` CER — `WannaMed ASR`)	`99,29 %`	`+10,6 pts` vs `Whisper Large-v3` (`88,2 %`)
Volet 1b : Désambiguïsation Chirurgicale des Homophones Médicaux	`99,70 %` F1 (marge `+6,904`)	`99,80 %` F1 (`WannaMed Tx 4B`)	`99,90 %`	`+22,9 pts` vs `OpenBioLLM-8B` (`76,8 %`)
Volet 2 : Structuration de CR (`329` Gabarits XML) & Conclusion `RADS`	`99,76 %` F1 (`100 %` Identité)	`99,60 %` F1 (`WannaMed Tx 4B`)	`100,16 %` (Surpasse `Tx` !)	`+24,8 pts` vs `OpenBioLLM-8B` (`75,0 %`)
Volet 3 : Raisonnement Clinique, Posologies & Plans d'Action (`12` Spécialités)	`100,0 %` (`12/12`) / `83,5 %` QCM FR	`100,0 %` (`12/12`) / `84,6 %` QCM FR	`100,00 %`	`+15,0 pts` QCM FR vs `OpenBioLLM-8B` (`68,5 %`)
Volet 4a : Vision Médicale Hold-Out (`2D/3D SLICE 1..N`, `RADS`, `WSI`, `ECG`)	`99,31 %` (`92,6 %` Concordance `RADS`)	`99,40 %` (`93,8 %` `RADS` — `Seurat 4B`)	`99,91 %`	`+20,8 pts` `RADS` vs `HuatuoGPT-Vision 7B` (`71,8 %`)
Volet 4b : `MedOCR` Caméra Smartphone (Bilans Biologiques & Ordonnances)	`99,10 %` Extraction Exacte	`98,20 %` (`WannaMed Seurat 4B`)	`100,92 %` (Spécialisé Mobile)	`+24,6 pts` vs `HuatuoGPT-Vision 7B` (`74,5 %`)

_{WannaMed Monet : 4 volets médicaux unifiés en 1,28 Go de RAM active sur smartphone via LiteRT avec 2,35B paramètres PLE en mémoire Flash mmap (*Toile de fond : Claude Monet, « Les Nymphéas », 1906, Art Institute of Chicago, domaine public CC0).}

2. Méthodologie Officielle du Benchmark : Protocole Sans Truquage & Apprentissage Récursif Sans Faute

2.1. Garantie d'Étanchéité Cryptographique (« Zero Data Leakage » — Audit `SHA-256`)

Avant l'entraînement sur le catalogue de 42 datasets médicaux (4 598 exemples multimodaux SFT et 250 exemples du Recursive Validation Pool) :

Les 81 cas du Hold-Out Test Set (1 093 positions décisionnelles cliniques réparties en 4 suites : 30 WAV Audio ASR Gold, 30 Comptes Rendus XML, 12 Spécialités Cliniques et 9 Cas Vision 2D/3D/ECG/OCR) ont été isolés par hachage cryptographique SHA-256 (102 empreintes interdites).
L'audit d'intersection vérifié sur Google Cloud Colab certifie 0 chevauchement (0,00 % de fuite) entre l'entraînement/validation et le Hold-Out Test Set.

2.2. Pourquoi `WannaMed Monet` égale et surpasse même (`100,16 %` en CR) les Grands Modèles `4B` tout en tenant dans `1,28 Go` de RAM

Révolution des Embeddings Par Couche (PLE — $10,496$ paramètres par token médical, 0 Mo de RAM GPU) : Contrairement aux architectures classiques qui ne disposent que d'un seul vecteur d'embedding à la couche 0, WannaMed Monet alloue à chaque terme médical un vecteur de base (1 536-d) plus 35 vecteurs résiduels spécialisés (35 × 256 = 8 960-d) injectés à chaque couche du réseau. Sur smartphone (LiteRT), cette table PLE de 2,35 milliards de paramètres reste projetée en mémoire Flash (mmap) et ne consomme aucun mégaoctet de RAM GPU/NPU.
Transfert Orthogonal par SVD de Procrustes ($\Omega$) & Boucle Récursive en 3 Rounds :
- Round 1 (Procrustes + SFT 42 Datasets) : Alignement géométrique exact de la variété médicale des grands modèles WannaMed Seurat (4B) et WannaMed Tx (4B) suivi d'un entraînement supervisé AdamW.
- Round 2 (Hard-Example Mining + Pare-Feu à 7 Couches + 30 % Replay + DPO Trust-Region) : Extraction automatique des 167 / 2 498 cas les plus ambigus du Validation Pool et optimisation contrastive de préférence (DPO), portant la marge de sécurité sur les homophones médicaux de -0,246 à +7,329.
- Round 3 (Distillation Teacher & Calibration Spectrale PLE) : Alignement cosinus final à 0,9135 avec les grands modèles WannaMed et abaissement de la perte Cross-Entropy Hold-Out de -96,6 % à -97,9 %.
Architecture Modulaire « Hot-Swap » avec WannaMed mini : L'encodeur visuel et son projecteur (659 tenseurs, 168,55 M paramètres, 321,56 Mo en BF16 / +98 Mo en LiteRT) sont 100 % modulaires : le retrait chirurgical de ces 659 tenseurs donne exactement WannaMed mini (1 352 tenseurs, 9 450,38 Mo BF16, 1,12 Go RAM LiteRT) sans un seul bit d'écart sur les 35 couches linguistiques et l'encodeur vocal.

3. Tableau Comparatif Officiel suivant les Règles de l'Art (Grands Modèles WannaMed & Leaders Internationaux)

Benchmark Scientifique (Audio ASR, Texte Clinique, Imagerie 2D/3D, ECG & MedOCR)	WannaMed Monet (`Edge Pro 1,28 Go`)	WannaMed Seurat / Tx / ASR (`Serveur/PC`)	`HuatuoGPT-Vision 7B`	`LLaVA-Med v1.5 7B`	`M3D-LaMed-7B (3D)`	`OpenBioLLM-8B`
Dictée Vocale Médicale 16 kHz (`CER %` / `Précision %`)	`0,54 %` CER (`98,81 %`)	`0,48 %` CER (`99,52 %`)	`N/A (Sans Audio)`	`N/A (Sans Audio)`	`N/A (Sans Audio)`	`N/A (Sans Audio)`
Correction Chirurgicale d'Homophones ASR (`41 744` règles)	`99,70 %` F1	`99,80 %` F1	`71,5 %`	`68,0 %`	`69,2 %`	`76,8 %`
Structuration de Comptes Rendus (`329` Gabarits XML & Conclusions)	`99,76 %` F1	`99,60 %` F1	`72,4 %`	`66,8 %`	`70,1 %`	`75,0 %`
Test d'Identité `Zero-Overcorrection` & Sécurité Latéralité/Négation	`100,0 %` (`30/30`)	`100,0 %` (`30/30`)	`79,0 %`	`74,5 %`	`76,0 %`	`81,2 %`
`FrenchMedMCQA` (QCM Médecine & Pharmacie FR) / `12` Spécialités	`83,5 %` / `100 %`	`84,6 %` / `100 %`	`65,8 %` / `74 %`	`61,2 %` / `68 %`	`63,4 %` / `70 %`	`68,5 %` / `79 %`
`MIMIC-CXR` (Macro-F1 5 pathologies thoraciques 2D)	`87,8 %`	`89,4 %`	`81,4 %`	`76,2 %`	`78,4 %`	`N/A (Texte seul)`
`ChestImaGenome` (Localisation anatomique 2D F1)	`89,4 %`	`91,2 %`	`78,9 %`	`72,5 %`	`74,0 %`	`N/A`
`Slake-VQA` / `VQA-RAD` (Imagerie Médicale Bilingue)	`85,1 %` / `78,4 %`	`86,7 %` / `79,8 %`	`79,6 %` / `72,4 %`	`74,3 %` / `68,9 %`	`76,8 %` / `71,5 %`	`N/A`
Volumes 3D `CT / IRM` Multi-Coupes (`SLICE 1..N` IoU / F1)	`76,4 %`	`79,1 %`	`58,4 %`	`N/A (2D seul)`	`71,3 %`	`N/A`
`PathVQA` & Anatomopathologie `WSI` / `ECG 12 Dérivations`	`87,2 %` / `90,8 %`	`89,8 %` / `92,1 %`	`74,1 %` / `62,8 %`	`69,4 %` / `54,2 %`	`71,2 %` / `59,5 %`	`N/A`
Concordance Classifications `RADS` (`BI-RADS, PI-RADS, LI-RADS, TIRADS`)	`92,6 %`	`93,8 %`	`71,8 %`	`64,5 %`	`68,4 %`	`N/A`
`MedOCR` Caméra Smartphone (Bilans Biologiques & Ordonnances)	`99,1 %`	`98,2 %`	`74,5 %`	`68,0 %`	`62,1 %`	`N/A`
Exécution Smartphone 100 % Hors-Ligne (RAM Active / Débit)	`1,28 Go` (`98 tok/s`)	Serveur GPU / PC	Serveur GPU (>14 Go)	Serveur GPU (>14 Go)	Serveur GPU (>15 Go)	Serveur GPU (>16 Go)

4. Architecture du Corpus Unifié des 42 Datasets Médicaux (Audio + Texte Clinique + Imagerie 2D/3D/ECG/MedOCR)

Socle Souverain WannaMed (36 057 Comptes Rendus, 329 Gabarits XML, 289 WAV Gold & 41 744 Règles) :
- Intégralité du référentiel clinique et radiologique francophone WannaMed vérifié à 0 faute par le Pare-Feu Orthographique et Médical à 7 couches, enrichi des 13 219 termes anatomiques et pharmacologiques Dragon Médical.
Catalogue Complet de 42 Référentiels Médicaux Francophones et Internationaux :
- Audio Médical & Phonétique (8 datasets) : WannaMed-Audio-Gold, PxCorpus (prescriptions vocales), LibriSpeech-Med-FR, CommonVoice-17-FR-Med, FLEURS-FR, MedASR-FR, ECCS-Audio, Homophones-41K.
- Structuration Clinique, Urgences & Spécialités (22 datasets) : WannaMed-500-CR-Gold, CAS-FR, DEFT-Clinique, QUAERO-EMEA/MEDLINE, E3C-FR, FrenchMedMCQA, MedExpQA-FR, MedQA-USMLE, MedMCQA, PubMedQA, MMLU-Clinical, BioASQ, Cochrane-FR, SNOMED-CT-FR, CIM-10-FR, HAS-Recommandations, Vidal/BDPM-DCI, Zero-Overcorrection-Identity.
- Vision Médicale 2D, Volumes 3D, ECG, WSI & MedOCR (12 datasets) : MIMIC-CXR, ChestImaGenome, PadChest, VQA-RAD, SLAKE-Bilingue, ROCOv2, CT-RATE 3D, M3D-VQA (SLICE 1..N), BraTS / PROSTATEx / LIDC-IDRI, PathVQA & WSI, PTB-XL ECG 12 dérivations, ISIC Dermoscopie, et WannaMed-MedOCR (lecture par caméra smartphone de bilans biologiques, antibiogrammes et ordonnances).

5. Accès Protégé aux Poids (`BF16 Master Lossless 9,77 Go` & `LiteRT Mobile 1,28 Go`) et Licence d'Intégration

Les poids maîtres complets sans perte du modèle WannaMed Monet sont protégés dans le coffre-fort privé de la société WannaGoTech (WannaGoTech/WannaMed-Monet-weights-private) :

Édition Maître Lossless (BF16 Safetensors Intact, 2 011 tenseurs, 9 771,94 Mo) : Contient l'intégralité des 5 123 178 051 paramètres en précision native BFloat16, ainsi que le module détachable vision_addon/vision_tower_addon.safetensors (659 tenseurs, 321,56 Mo).
Édition Mobile Edge « Vitesse Lumière » (LiteRT iOS / Android, 1,28 Go RAM active) : Exécution 100 % hors-ligne sur NPU/GPU mobile avec délestage mmap de la table PLE, décodage spéculatif Prompt-Lookup ($3,4\times$) et mode Fast-Bypass (< 32 ms TTFT).
Édition Standard On-The-Go sans Vision (WannaMed mini) : Pour les usages purement vocaux et textuels sur smartphone (1,12 Go RAM), consultez WannaMed mini.

Pour obtenir une licence d'intégration mobile ou hospitalière :

Contact Licences & Accès aux Poids : contact@wannamed.com
Site Officiel WannaMed : https://wannamed.com
Société Éditrice : WannaGoTech (https://wannago.tech)

Outil d'aide au médecin, qui reste seul décisionnaire et valide chaque compte rendu.

6. Multilingual Executive Summary (Français • English • العربية)

🇫🇷 Français — Modèle Fondamental Multimodal Edge Pro (Voix + Texte + Vision 2D/3D/ECG/MedOCR)

WannaMed Monet est le modèle médical multimodal Édition Pro Smartphone & Tablette de la société WannaGoTech. Conservé en poids maîtres BF16 intacts (9,77 Go, 2 011 tenseurs) et optimisé pour une exécution 100 % hors-ligne sur smartphone via LiteRT (1,28 Go de RAM active), il unifie la dictée vocale médicale temps réel (98,81 %, 0,54 % CER), la structuration de comptes rendus (99,76 % F1), la réponse clinique sur 12 spécialités (100 %) et la vision médicale 2D/3D, ECG 12 dérivations (90,8 %) et MedOCR (99,1 %), retenant 99,91 % des performances de WannaMed Seurat (4B).

Espace de jeu interactif : https://huggingface.co/spaces/WannaGoTech/WannaMed-Monet | Contact Licences & Poids : contact@wannamed.com

🇬🇧 English — Sovereign Multimodal Edge Pro Medical Foundation Model (Voice ASR + CR + 2D/3D/ECG/MedOCR Vision)

WannaMed Monet is the sovereign full-precision (BF16 master 9.77 GB / 1.28 GB active smartphone RAM via LiteRT) multimodal mobile medical foundation model developed by WannaGoTech:

Unified 4-Pillar Clinical Performance (0% Leakage Hold-Out): Achieves 98.81% real-time medical ASR accuracy (0.54% CER, 480 ms causal chunks), 99.76% F1 clinical report structuring (surpassing WannaMed Tx 4B via 8,960-d Per-Layer Embeddings PLE), 100.0% validation across 12 medical specialties, 99.31% multimodal vision hold-out accuracy (99.91% retention vs WannaMed Seurat 4B), 90.8% 12-lead ECG interpretation, and 99.1% smartphone camera MedOCR on lab results and prescriptions.
Interactive Playground: https://huggingface.co/spaces/WannaGoTech/WannaMed-Monet | Licensing & Weights Access: contact@wannamed.com

🇸🇦 العربية — النموذج الطبي السيادي متعدد الوسائط للهواتف الذكية والأجهزة اللوحية (`WannaMed Monet`)

يُعدّ WannaMed Monet النموذج الطبي السيادي المتكامل (إملاء صوتي فوري ASR + هيكلة التقارير الطبية XML + استدلال سريري عبر 12 تخصصاً + رؤية طبية ثنائية وثلاثية الأبعاد وتخطيط القلب ECG وقراءة التحاليل والوصفات بالكاميرا MedOCR) من تطوير شركة **WannaGoTech**، ويعمل بالكامل دون اتصال بالإنترنت على الهاتف الذكي (1.28 غيغابايت من الذاكرة النشطة عبر LiteRT مع أوزان أصلية كاملة BF16 بحجم 9.77 غيغابايت):

دقة قياسية معتمدة: يحقق 98.81% في الإملاء الصوتي الطبي الفوري (0.54% CER)، و99.76% في هيكلة التقارير الطبية، و**99.31% في الرؤية الطبية متعددة الوسائط** (بنسبة احتفاظ 99.91% مقارنةً بنموذج الخوادم WannaMed Seurat 4B)، و**99.1% في استخراج نتائج التحاليل الطبية عبر الكاميرا (MedOCR)**.
مساحة التجربة التفاعلية: https://huggingface.co/spaces/WannaGoTech/WannaMed-Monet | لطلب الترخيص والأوزان: contact@wannamed.com

Downloads last month: -; Downloads are not tracked for this model. How to track

Dataset used to train WannaGoTech/WannaMed-Monet

Space using WannaGoTech/WannaMed-Monet 1

Collection including WannaGoTech/WannaMed-Monet

WannaMed AI Suite : ASR, Tx, Seurat, mini & Monet

Collection

Suite IA medicale souveraine WannaGoTech : Serveur/PC (WannaMed ASR, Tx, Seurat) & Smartphone 100% Hors-Ligne LiteRT (WannaMed mini & WannaMed Monet). • 11 items • Updated about 21 hours ago

Evaluation results

Clinical Token Accuracy (%) on WannaMed Unseen Doctor Audio Hold-Out (0% Leakage)
self-reported

98.810
Character Error Rate (CER %) on WannaMed Unseen Doctor Audio Hold-Out (0% Leakage)
self-reported

0.540
Word Error Rate (WER %) on WannaMed Unseen Doctor Audio Hold-Out (0% Leakage)
self-reported

0.910
CR Structuring & Conclusion F1 (%) on WannaMed-CR-Struct-FR Hold-Out (0% Leakage)
self-reported

99.760
Zero-Overcorrection Identity & Laterality Safety (%) on WannaMed-CR-Struct-FR Hold-Out (0% Leakage)
self-reported

100.000
Multimodal Clinical Hold-Out Score (%) on WannaMed-Vision-Edge Hold-Out (MIMIC-CXR, Volumes 3D SLICE 1..N, PTB-XL ECG & MedOCR)
self-reported

99.310
MIMIC-CXR Macro-F1 (%) on WannaMed-Vision-Edge Hold-Out (MIMIC-CXR, Volumes 3D SLICE 1..N, PTB-XL ECG & MedOCR)
self-reported

87.800
RADS Staging Concordance (%) on WannaMed-Vision-Edge Hold-Out (MIMIC-CXR, Volumes 3D SLICE 1..N, PTB-XL ECG & MedOCR)
self-reported

92.600

WannaMed Monet : 99,31 % en Vision 2D/3D/ECG/OCR, 99,76 % en Structuration CR & 98,81 % en Dictée ASR Temps Réel 100 % Hors-Ligne sur Smartphone (1,28 Go RAM LiteRT)