Giám sát sức khỏe phòng tắm thông minh: Nghiên cứu trường hợp phân loại hình ảnh bồn cầu
Cách Shaip xây dựng một quy trình chú thích hình ảnh y tế có cấu trúc, phân loại 10,000 hình ảnh bồn cầu mỗi lô với 5 lớp sự kiện chính, thang điểm lâm sàng Bristol Stool Scale và hơn 20 thẻ thuộc tính — hỗ trợ trí tuệ nhân tạo giám sát sức khỏe kỹ thuật số không xâm lấn.
Tổng Quan Dự Án
Khi việc theo dõi sức khỏe kỹ thuật số không xâm lấn được ứng dụng vào phòng tắm thông minh, khách hàng cần một quy trình chú thích dựa trên cơ sở lâm sàng có khả năng phân loại khối lượng lớn hình ảnh từ camera telecentric dựa trên cây quyết định có cấu trúc với độ chi tiết ở cấp độ thuộc tính.
Shaip đã xây dựng quy trình chú thích hoàn chỉnh bao gồm đánh giá khả năng sử dụng hình ảnh, phân loại sự kiện chính, chấm điểm theo thang phân Bristol, gắn thẻ thuộc tính và chuyển giao kiểm soát chất lượng theo chu kỳ hàng loạt — tạo ra các bộ dữ liệu có thể ứng dụng lâm sàng cho trí tuệ nhân tạo giám sát sức khỏe đường tiêu hóa.
Trạng thái chính
Số hình ảnh mỗi lô
10,000
Chu kỳ giao hàng
14 ngày
Các lớp sự kiện chính
5
Bristol Scale Range
1-7
Những thách thức
- Xây dựng một sơ đồ phân loại dựa trên cơ sở lâm sàng bao gồm 5 lớp sự kiện chính cộng với hơn 20 thẻ thuộc tính.
- Hoạt động trên một chu kỳ sản xuất theo lô nghiêm ngặt 14 ngày với 10,000 hình ảnh được gửi mỗi chu kỳ
- Nộp đơn Thang điểm phân Bristol 1–7 nhất quán trong tất cả các lần đi ngoài.
- Xử lý đơn sắc, bị che khuất và bị ảnh hưởng bởi hiện vật hình ảnh với tiêu chí ưu tiên khả năng sử dụng
- Phối hợp bàn giao QA cho khách hàng với các mốc thời gian được xác định rõ ràng vào ngày thứ 7 và ngày thứ 14.
Dung dịch
Phân loại cây quyết định
Shaip đã thiết kế một quy trình làm việc dạng cây quyết định có cấu trúc bao gồm năm lớp sự kiện chính — Trống, Nước tiểu, Phân, Xả nước và Xà phòng bồn cầu — với các thẻ có thể kết hợp cho các sự kiện phức hợp (ví dụ: xả nước kết hợp với phân). Thẻ Sự kiện không rõ ràng xử lý các trường hợp mơ hồ trong khi vẫn giữ được các tổ hợp sự kiện có thể nhận dạng được.
Chấm điểm thang đo Bristol lâm sàng
Đối với tất cả các trường hợp đi ngoài, người chấm điểm đã gán điểm theo thang điểm Bristol Stool Scale từ 1 đến 7, với các tùy chọn "Không rõ" hoặc "Hỗn hợp" dành cho các trường hợp khó phân tích. Lớp chấm điểm lâm sàng này giúp bộ dữ liệu có thể được áp dụng trực tiếp vào việc huấn luyện AI giám sát sức khỏe đường tiêu hóa.
Gắn thẻ thuộc tính phong phú
Ngoài phân loại cơ bản, mỗi hình ảnh còn được gắn thẻ thuộc tính bao gồm độ rõ nét của dòng nước tiểu, sự hiện diện của giấy vệ sinh, phát hiện máu (bao gồm cả máu nghi ngờ, cục máu đông và vụn máu), dấu hiệu ăn mòn, bụi bẩn trên máy ảnh, vật cản hình ảnh, hiện tượng nhiễu ảnh do đèn flash, khung hình không cân đối, âm lượng thấp, nội dung trôi nổi và rò rỉ bồn cầu. Hình ảnh đơn sắc với tông màu cam hoặc tím xanh được gắn thêm cờ màu.
Sàng lọc khả năng sử dụng hình ảnh
Mỗi hình ảnh đều được đánh giá về khả năng sử dụng và mức độ liên quan trước tiên. Những hình ảnh bị vỡ hạt, quá sáng, có màu xanh lá cây, màu xám, không theo tiêu cự hoặc không liên quan đến chủ đề đều bị đánh dấu là bỏ qua. Lớp sàng lọc này ngăn chặn các dữ liệu đầu vào không đạt chất lượng xâm nhập vào tập dữ liệu đã được gắn nhãn, bảo vệ chất lượng huấn luyện mô hình ở các bước tiếp theo.
Chu kỳ sản xuất theo lô hai tuần và bàn giao kiểm soát chất lượng
Shaip hoạt động theo chu kỳ xử lý hàng loạt nghiêm ngặt kéo dài hai tuần với các mốc thời gian được xác định rõ ràng. Sau khi Shaip hoàn thành việc gắn thẻ, nhóm QA nội bộ của khách hàng sẽ xem xét một nửa số ảnh trong lô vào ngày thứ 7 và toàn bộ lô vào ngày thứ 14. Những hình ảnh bị từ chối sẽ được đánh dấu và trả lại để sửa chữa, đảm bảo cải tiến chất lượng liên tục trong suốt các lô xử lý.
Phạm vi dự án
| Loại tập dữ liệu | Thể tích mỗi lô | Các lớp sự kiện | Chấm điểm lâm sàng | Thẻ thuộc tính | chu kỳ |
|---|---|---|---|---|---|
| Phân loại hình ảnh nhà vệ sinh thông minh | hình ảnh 10,000 | 5 tổ hợp cơ bản + | Thang điểm phân Bristol 1–7 | 20+ thẻ | 14 ngày |
Kết quả
- Đã thành lập một quy trình chú thích dựa trên cơ sở lâm sàng AI giám sát sức khỏe kỹ thuật số không xâm lấn
- Tiêu chuẩn hóa Phân loại sự kiện chính 5 lớp với logic thẻ có thể kết hợp
- Giao Thang điểm phân Bristol 1–7 trên mọi sự kiện phân
- Được xây dựng Hơn 20 thẻ thuộc tính bao gồm các điều kiện lâm sàng, chất lượng hình ảnh và các hiện tượng nhiễu ảnh.
- Duy trì chu kỳ sản xuất theo lô nghiêm ngặt 14 ngày với quy trình chuyển giao QA khách hàng có cấu trúc
Nhìn chung, Shaip đã giúp chuyển đổi yêu cầu phân loại hình ảnh y tế khối lượng lớn thành một quy trình chú thích có cấu trúc lâm sàng, sẵn sàng cho sản xuất — một quy trình có khả năng hỗ trợ theo dõi sức khỏe kỹ thuật số không xâm lấn, trí tuệ nhân tạo về đường tiêu hóa và các ứng dụng hỗ trợ ra quyết định lâm sàng tại nhà ở quy mô lớn.
Shaip hiểu rằng đây không phải là việc gắn thẻ hình ảnh thông thường — mà là chú thích lâm sàng. Việc thực hiện theo thang đo Bristol, sự chặt chẽ của thẻ thuộc tính và kỷ luật chu kỳ xử lý hàng loạt đã cung cấp cho chúng tôi dữ liệu huấn luyện mà chúng tôi có thể tự tin sử dụng để triển khai mô hình.
