Mempercepat Analisis Najis Berkuasa AI dengan Anotasi Imej Perubatan Ketepatan Tinggi
Ketahui bagaimana Shaip membantu pasukan AI penjagaan kesihatan membina model visi komputer untuk analisis imej najis, tandas pintar dan pemantauan kesihatan dengan anotasi imej yang tepat
Gambaran Keseluruhan projek
Membina model AI untuk analisis najis automatik memerlukan lebih daripada sekadar pengumpulan imej sahaja. Ia memerlukan pelabelan yang sangat konsisten dan relevan secara klinikal yang menangkap bentuk najis, konteks besen dan atribut peringkat pemandangan dengan tepat.
Pelanggan telah bekerjasama dengan Shaip untuk memberi anotasi imej berskala besar yang mengandungi imej najis yang dirakam dalam persekitaran tandas dunia sebenar. Projek ini memerlukan strategi pelabelan berbilang lapisan yang menggabungkan anotasi najis berasaskan poligon, penciptaan kotak sempadan besen dan pelabelan AOI berasaskan pengelasan.
Matlamat utama adalah untuk mencipta set data latihan yang mantap yang menyokong model visi komputer untuk pengesanan najis, pengelasan najis Bristol, pengecaman konteks kencing & pandangan kesihatan pencernaan masa hadapan.
Statistik Utama
Penggunaan Akhir
Analisis najis berkuasa AI untuk penjagaan kesihatan & gastroenterologi
Isipadu Data
700,000+ gambar
Taksonomi AOI
10 label pengelasan
Garis Masa Projek
Berterusan sejak November 2023
Cabaran
- Memastikan objek najis dibahagikan dengan sempadan poligon yang ketat walaupun terdapat pencahayaan, keadaan tandas dan komposisi imej yang berbeza-beza.
- Menyeragamkan pelabelan kotak sempadan lembangan sambil menggunakan logik peringkat lawatan hanya pada imej sah pertama dalam setiap lawatan.
- Mengurus aliran kerja pelabelan AOI berbilang kelas merentasi label seperti najis, air kencing, pembuangan air kecil, pembilasan, kertas tandas dan nombor Bristol.
- Mengekalkan konsistensi dan daya pemprosesan merentasi jumlah imej yang sangat besar melebihi 700,000 fail.
- Menyokong kes penggunaan AI berorientasikan penjagaan kesihatan yang mana kualiti anotasi secara langsung mempengaruhi ketepatan model hiliran.
Penyelesaian
Shaip mereka bentuk aliran kerja anotasi yang berfokus pada kereta api yang disesuaikan dengan keperluan teknikal projek.
Strategi Data
Menetapkan rangka kerja anotasi berstruktur yang menggabungkan segmentasi, penyetempatan objek dan pengelasan untuk menyokong pelbagai objektif model daripada saluran paip imej bersatu.
Anotasi Najis
Contoh bangku yang boleh dilihat dianotasi menggunakan topeng poligon yang tepat, menjejaki setiap bahagian bangku dengan ketat untuk mengekalkan perincian tepi, bentuk dan tekstur.
Kotak Sempadan Lembangan
Menanda besen tandas menggunakan kotak sempadan dan bukannya segmentasi paras air. Kotak besen hanya digunakan pada imej pertama setiap lawatan melainkan imej tersebut ditanda sebagai abaikan atau warna.
Pelabelan AOI
Imej terkelas ke dalam taksonomi terkawal termasuk Bukan Tandas, Abaikan, Kosongkan, Kertas Tandas, Pembuangan Siram, Air Kencing, Kencing, Najis, Sabun Tandas dan Nombor Bristol.
Jaminan Kualiti
Aliran kerja semakan yang digunakan direka untuk memenuhi ambang penerimaan kelompok 95%, dengan pemeriksaan kualiti tertumpu pada ketelitian anotasi, tugasan kelas yang betul dan peraturan pelabelan peringkat lawatan.
Pengaktifan AI
Menstrukturkan set data output untuk menyokong segmentasi, pengesanan objek dan saluran pengelasan untuk analisis najis automatik, pemantauan kesihatan pencernaan dan aplikasi kesihatan pintar pada masa hadapan.
Skop projek
| Set Data / Jenis Tugas | Kaedah Anotasi | Peraturan Utama | Nilai AI |
|---|---|---|---|
| Imej Bangku | Anotasi poligon | Anotasikan bangku dengan ketat di sekeliling tepi yang kelihatan | Menyokong segmentasi najis dan analisis morfologi |
| Besen Tandas | Kotak pembatas | Tandakan hanya pada imej sah pertama bagi setiap lawatan | Membantu model mempelajari konteks lembangan dan pembingkaian pemandangan |
| Label AOI | Pengelasan sahaja | Gunakan label adegan/peristiwa yang betul tanpa anotasi objek | Membolehkan pemahaman tempat kejadian dan pengkategorian peristiwa |
Hasil
- Membina saluran anotasi berstruktur merentasi 700,000+ imej berkaitan penjagaan kesihatan
- Diperkayakan 3 aliran kerja yang berbeza untuk segmentasi, penyetempatan dan pengelasan
- Latihan AI yang didayakan untuk pengesanan najis automatik dan pengelasan berkaitan skala Bristol
- Pembangunan model yang disokong untuk analisis gastrousus, konteks penghidratan dan alur kerja ramalan penyakit
- Mewujudkan asas data berskala yang sejajar dengan Sasaran penerimaan kelompok 95%
Dengan menggabungkan penghantaran volum tinggi dengan logik pelabelan imej perubatan yang tepat, Shaip membantu pelanggan beralih daripada penangkapan imej mentah kepada asas data sedia pengeluaran untuk analisis najis automatik generasi akan datang. Projek ini mewujudkan struktur yang diperlukan untuk meningkatkan pembangunan AI masa hadapan dalam pemantauan kesihatan pencernaan dan aplikasi penjagaan pencegahan.
Shaip membawakan ketepatan anotasi dan skala operasi yang kami perlukan untuk inisiatif AI penjagaan kesihatan yang sangat khusus. Keupayaan mereka untuk mengurus segmentasi najis yang kompleks, penyetempatan besen dan pengelasan AOI pada isipadu memberi kami asas yang kukuh untuk pembangunan model.
