ИИ для анализа рентгеновских снимков лёгких
Рекомендательный сценарий анализа рентгеновских снимков грудной клетки: выделение подозрительных областей и подготовка вариантов заключения для последующей проверки врачом.
Задача
Проект посвящён анализу рентгеновских снимков грудной клетки. В постановке выделены две задачи: оценивать признаки заболевания лёгких и обозначать область возможной патологии. Выделение области важно для того, чтобы врач мог сопоставить рекомендацию с изображением.
Подход
Решение рассматривается как рекомендательная система. Она предлагает варианты заключений по признакам, заполненным в формализованном описании конкретного исследования. Автоматическая оценка помогает подготовить информацию для специалиста, который проверяет её по снимку и другим клиническим данным.
Разделение классификации и выделения области позволяет оценивать эти задачи отдельно. Успешная оценка категории заболевания сама по себе ещё не подтверждает правильность локализации подозрительного участка.
Результат и границы
Описан сценарий поддержки анализа исследования. Целевые показатели из постановки не являются подтверждением клинической точности, а рекомендация системы не заменяет врачебное заключение.
Такие задачи входят в направление медицинского ИИ Z-med и требуют отдельной проверки на данных целевого медицинского учреждения.
Похожие кейсы
Машинное зрение
Разбор технических чертежей: 3,2 секунды на чертёж и точность 97%
Система извлекает параметры из PDF-чертежа, подсвечивает найденные значения и отдаёт их в CSV. В опубликованном примере: 3,2 секунды на чертёж и 97% точности извлечения.
Машинное зрение
Машинное зрение + LLM на промышленном объекте: выявлены хищения в пилоте
Пилот цифрового аудита на энергетическом объекте связывает камеры с проверкой транспорта, грузов и строительных работ. Выявлены четыре несанкционированных вывоза; материалы используются для отчёта службы безопасности.
Машинное зрение
Разработка модели по распознаванию и выделению контентной части документа
Система размечает однотипные документы, распознаёт их тип и заполняет электронную форму. В результатах разработки отдельно оценены поиск текста, OCR, классификация и распознавание содержимого.