Update README.md

README.md

@@ -1,9 +1,14 @@
 ---
+base_model:
+- black-forest-labs/FLUX.1-Kontext-dev
 tags:
-- text-to-image
 - lora
+- text-to-image
 - diffusers
 - template:diffusion-lora
+- art
+- image
+- tool
 widget:
 - output:
     url: images/test_sintético_fractura_OsteoXRay_V0.1_Flux_Kontext_JGF_1.jpeg
@@ -14,7 +19,6 @@ widget:
 - output:
     url: images/test_sintético_fractura_OsteoXRay_V0.1_Flux_Kontext_JGF_3.jpeg
   text: Make marks where there is a fracture
-base_model: ''
 instance_prompt: Make marks where there is a fracture
 license: cc-by-nc-sa-4.0
 ---
@@ -31,36 +35,51 @@ Can a model like Flux Kontext, designed for editing art and photography, be used
 The quick answer: it does do something interesting, but  it over-scores and is far from reliable as a medical tool. It's a prototype to play with the idea, nothing more.
  
 How to use it
+
 1. Upload a bone X-ray (real or synthetic).
 2. Ask: “Make marks where there is a fracture”.
 3. Adjust denoise, sampler adn scheduler according to what you're looking for:
 
 Prudent mode (fewer false positives)
+
 	•	Sampler Euler, 15 steps
 	•	Scheduler Karras
 	•	Denoise 0.90
+    
 Test results:
+
 	•	False positives ≈ 24% 
 	•	Fracture detection ≈ 20% 
 
 Sensitive mode (more detection, lots of noise)
+
 	•	Euler, 15 steps, Karras
 	•	Denoise 1.0
+    
 Result:
+
 	•	False positives ≈ 80% 
 	•	Fracture detection ≈ 86% 
 
-Even more aggressive settings (e.g. rk beta57 to denoise 1.0) reach the absurd: 100% false positives and 100% detection: it paints everything red and almost hits all fractures beyond marking healthy areas, for an untrained eye.
+Even more aggressive settings (e.g. rk beta57 to denoise 1.0) reach the absurd: 
+
+100% false positives and 100% detection: 
+
+it paints everything red and almost hits all fractures beyond marking healthy areas, for an untrained eye.
+
 With a synthetic mini-dataset for Civitai of images made with 100% AI (10 healthy X-rays and 10 fractured):
+
 	•	False positives: 100% in healthy bones.
 	•	Fracture detection: ≈ 45%
 
 Good for:
+
 	⁃	AI prototypes and tests on medical imaging.
 	⁃	Eye-catching visualizations of "suspicious" areas in X-rays (experimental and creative art, here's an exotic tool xD)
 	⁃	Didactic/experimental material  to play with sensitivity vs false positives.
 
 Not good for:
+
 	⁃	Diagnose nothing serious.
 	⁃	Replacing a doctor, not even close!
 
@@ -72,7 +91,7 @@ Of course, taking into account that it is open source, fast (25 seconds per anal
 
 Have fun!
 
-More images here:  https://civitai.com/models/2200109/osteoxrayv01fluxkontextjgf
+More images here:  https://civitai.com/models/2200109/osteoxrayv01fluxkontextjgf
 
 ———
 
@@ -83,11 +102,13 @@ Experimento sin pretensiones que me propuso un amigo:
 La respuesta rápida: sí hace algo interesante, pero marca de más y está muy lejos de ser fiable como herramienta médica. Es un prototipo para jugar con la idea, nada más.
 
 Cómo usarlo
+
 	1	Carga una radiografía de huesos (real o sintética).
 	2	Pide: «Make marks where there is a fracture».
 	3	Ajusta denoise, sampler y scheduler según lo que busques:
 
 	•	Modo prudente (menos falsos positivos)
+    
 	◦	Sampler Euler, 15 pasos
 	◦	Scheduler Karras
 	◦	Denoise 0.90
@@ -96,23 +117,30 @@ Cómo usarlo
 	▪	Detección de fracturas ≈ 20 % 
 
 	•	Modo sensible (más detección, mucho ruido)
+    
 	◦	Euler, 15 pasos, Karras
 	◦	Denoise 1.0
 	◦	Resultado:
 	▪	Falsos positivos ≈ 80 % 
 	▪	Detección de fracturas ≈ 86 % 
 
-Configuraciones aún más agresivas (p. ej. rk beta57 a denoise 1.0) llegan al absurdo:
100 % falsos positivos y 100 % detección: lo pinta todo de rojo y casi acierta en todas las fracturas más allá de marcar zonas, para un ojo poco entrenado, sanas.
+Configuraciones aún más agresivas (p. ej. rk beta57 a denoise 1.0) llegan al absurdo:
100 % falsos positivos y 100 % detección: lo pinta todo de rojo y casi acierta en todas las fracturas más allá de marcar zonas, para un ojo poco entrenado, sanas.
+
+100 % falsos positivos y 100 % detección: lo pinta todo de rojo y casi acierta en todas las fracturas más allá de marcar zonas, para un ojo poco entrenado, sanas.
+
 Con un mini-dataset sintético para Civitai de imágenes hechas con IA al 100% (10 rayos X sanos y 10 con fractura):
+
 	•	Falsos positivos: 100 % en huesos sanos.
 	•	Detección de fracturas: ≈ 45 %
 
 Bueno para:
+
 	•	Prototipos y pruebas de IA sobre imagen médica.
 	•	Visualizaciones llamativas de zonas «sospechosas» en rayos X (arte experimental y creativo, aquí tienes una herramienta exótica xD)
 	•	Material didáctico / experimental para jugar con sensibilidad vs falsos positivos.
 
 No es bueno para:
+
 	•	Diagnosticar nada serio.
 	•	Sustituir a un médico, ¡ni de lejos!.
 
@@ -124,7 +152,7 @@ Eso sí, teniendo en cuenta que es de código abierto, rápido (25 segundos por
 
 ¡A pasarlo bien!
 
-Más imágenes aquí: https://civitai.com/models/2200109/osteoxrayv01fluxkontextjgf
+Más imágenes aquí: https://civitai.com/models/2200109/osteoxrayv01fluxkontextjgf
 
 ## Trigger words