Pemantauan Kesihatan Bilik Mandi Pintar: Kajian Kes Pengelasan Imej Mangkuk Tandas
Bagaimana Shaip menyampaikan saluran anotasi imej perubatan berstruktur yang mengklasifikasikan 10,000 imej mangkuk tandas setiap kelompok dengan 5 kelas peristiwa utama, pemarkahan klinikal Bristol Stool Scale dan 20+ tag atribut — memperkasakan AI pemantauan kesihatan digital bukan invasif.
Gambaran Keseluruhan projek
Memandangkan pemantauan kesihatan digital bukan invasif beralih kepada penggunaan bilik mandi pintar, pelanggan memerlukan saluran anotasi berasaskan klinikal yang mampu mengklasifikasikan imejan kamera telesentrik dalam jumlah yang tinggi terhadap pokok keputusan berstruktur dengan kebutiran peringkat atribut.
Shaip membina saluran anotasi hujung ke hujung yang meliputi penilaian kebolehgunaan imej, pengelasan peristiwa utama, pemarkahan Skala Najis Bristol, penandaan atribut dan penyerahan QA kitaran kelompok — menghasilkan set data yang boleh digunakan secara klinikal untuk pemantauan kesihatan gastrousus AI.
Status Utama
Imej setiap Kelompok
10,000
Kitaran Penghantaran
hari 14
Kelas Acara Utama
5
Julat Skala Bristol
1-7
Cabaran
- Membina a skema pengelasan berasaskan klinikal merangkumi 5 kelas peristiwa utama ditambah 20+ tag atribut
- Beroperasi pada a kitaran kelompok 14 hari yang ketat dengan 10,000 imej dihantar setiap kitaran
- Memohon Skala Najis Bristol 1–7 pemarkahan secara konsisten merentasi semua kejadian najis
- pengendalian monokromatik, terhalang dan terjejas oleh artifak imejan dengan triage kebolehgunaan utama
- Menyelaras serahan QA pelanggan dengan pencapaian hari ke-7 dan hari ke-14 yang berstruktur
Penyelesaian
Klasifikasi Pokok Keputusan
Shaip mereka bentuk aliran kerja pokok keputusan berstruktur yang merangkumi lima kelas peristiwa utama — Kosong, Air Kencing, Najis, Pembuangan Siram dan Sabun Tandas — dengan tag yang boleh digabungkan untuk peristiwa majmuk (cth., pembuangan siram yang digabungkan dengan najis). Tag Peristiwa Tidak Jelas mengendalikan kes yang samar-samar sambil mengekalkan kombinasi peristiwa yang boleh dikenal pasti.
Pemarkahan Skala Bristol Klinikal
Bagi semua kejadian najis, anotator memberikan skor Skala Najis Bristol dari 1 hingga 7, dengan bendera Tidak Jelas atau Campuran tersedia untuk kes-kes yang sukar. Lapisan pemarkahan klinikal ini menjadikan set data tersebut boleh digunakan secara langsung untuk latihan AI pemantauan kesihatan gastrousus.
Penandaan Atribut Kaya
Selain pengelasan utama, setiap imej menerima tag atribut yang meliputi keterlihatan aliran kencing, kehadiran kertas tandas, pengesanan darah (termasuk darah yang disyaki, pembekuan darah dan serbuk darah), tanda kakisan, kotoran kamera, halangan imej, artifak denyar, pembingkaian tidak berpusat, isipadu rendah, kandungan terapung dan kebocoran tandas. Imej monokromatik dalam ton oren atau ungu-biru menerima bendera warna tambahan.
Triage Kebolehgunaan Imej
Setiap imej dinilai terlebih dahulu untuk kebolehgunaan dan kerelevanan. Imej berpiksel, terdedah berlebihan, hijau, kelabu, tidak telesentrik atau di luar topik ditandai sebagai abaikan. Lapisan triaj ini menghalang input yang terjejas daripada memasuki set data berlabel, melindungi kualiti latihan model di hilir.
Kitaran Kelompok Dua Minggu & Penyerahan QA
Shaip beroperasi mengikut kitaran kelompok dua minggu yang ketat dengan pencapaian penting yang jelas. Selepas Shaip selesai menanda, pasukan QA dalaman pelanggan menyemak separuh kelompok pada hari ke-7 dan keseluruhan kelompok pada hari ke-14. Imej yang ditolak telah ditandai dan dikembalikan untuk pembetulan, bagi memastikan penambahbaikan kualiti berterusan merentas kelompok.
Skop projek
| Jenis Set Data | Isipadu setiap Kelompok | Kelas Acara | Pemarkahan Klinikal | Tag Atribut | kitaran |
|---|---|---|---|---|---|
| Klasifikasi imej tandas pintar | Imej 10,000 | 5 kombinasi utama + | Skala Najis Bristol 1–7 | 20+ tag | hari 14 |
Hasil
- Ditubuhkan a saluran paip anotasi berasaskan klinikal untuk pemantauan kesihatan digital bukan invasif AI
- Diperkayakan Pengelasan peristiwa utama 5 kelas dengan logik tag yang boleh digabungkan
- Dihantar Skala Najis Bristol 1–7 pemarkahan merentasi setiap acara najis
- Dibina 20+ tag atribut merangkumi keadaan klinikal, kualiti imej dan artifak visual
- Dikekalkan kitaran kelompok 14 hari yang ketat dengan penyerahan QA pelanggan berstruktur
Secara keseluruhan, Shaip telah membantu mengubah keperluan klasifikasi imej perubatan bervolum tinggi kepada saluran paip anotasi yang berstruktur secara klinikal dan sedia untuk pengeluaran — saluran paip yang mampu menyokong pemantauan kesihatan digital bukan invasif, AI gastrousus dan aplikasi sokongan keputusan klinikal di rumah pada skala besar.
Shaip faham bahawa ini bukanlah penandaan imej rutin — ia adalah anotasi klinikal. Pelaksanaan Skala Bristol, ketelitian penandaan atribut dan disiplin kitaran kelompok mereka memberi kami data latihan yang boleh kami gunakan dengan yakin dalam penggunaan model.
