Tăng tốc phân tích phân bằng trí tuệ nhân tạo với chú thích hình ảnh y tế độ chính xác cao
Khám phá cách Shaip hỗ trợ các nhóm AI chăm sóc sức khỏe xây dựng mô hình thị giác máy tính để phân tích hình ảnh phân, nhà vệ sinh thông minh và theo dõi sức khỏe với chú thích hình ảnh chính xác.
Tổng Quan Dự Án
Việc xây dựng mô hình AI để phân tích phân tự động đòi hỏi nhiều hơn là chỉ thu thập hình ảnh. Nó cần việc dán nhãn nhất quán cao, có ý nghĩa lâm sàng, nắm bắt chính xác hình dạng phân, bối cảnh bồn rửa và các thuộc tính ở cấp độ khung cảnh.
Khách hàng đã hợp tác với Shaip để chú thích một hình ảnh quy mô lớn chứa hình ảnh phân được chụp trong môi trường nhà vệ sinh thực tế. Dự án yêu cầu một chiến lược gắn nhãn nhiều lớp, kết hợp chú thích phân dựa trên đa giác, tạo hộp giới hạn bồn cầu và gắn nhãn vùng quan tâm (AOI) dựa trên phân loại.
Mục tiêu cuối cùng là tạo ra một tập dữ liệu huấn luyện mạnh mẽ hỗ trợ các mô hình thị giác máy tính cho việc phát hiện phân, phân loại phân Bristol, nhận dạng ngữ cảnh đi tiểu và những hiểu biết sâu sắc hơn về sức khỏe tiêu hóa trong tương lai.
Số liệu thống kê chính
Sử dụng cuối
Phân tích phân bằng trí tuệ nhân tạo dành cho chăm sóc sức khỏe và tiêu hóa.
Khối lượng dữ liệu
700,000 + hình ảnh
Phân loại AOI
10 nhãn phân loại
Mốc thời gian dự án
Đang diễn ra từ tháng 11 năm 2023
Những thách thức
- Đảm bảo các đối tượng phân chia thành các phần nhỏ với ranh giới đa giác chặt chẽ bất chấp điều kiện ánh sáng, tình trạng nhà vệ sinh và bố cục hình ảnh khác nhau.
- Chuẩn hóa việc dán nhãn hộp giới hạn lưu vực trong khi chỉ áp dụng logic cấp độ lượt truy cập cho hình ảnh hợp lệ đầu tiên trong mỗi lượt truy cập.
- Quản lý quy trình dán nhãn AOI đa lớp trên các nhãn như phân, nước tiểu, tiểu tiện, xả nước, giấy vệ sinh và số Bristol.
- Duy trì tính nhất quán và hiệu suất trên một khối lượng hình ảnh rất lớn, vượt quá 700,000 tệp.
- Hỗ trợ các trường hợp sử dụng AI trong lĩnh vực chăm sóc sức khỏe, nơi chất lượng chú thích ảnh hưởng trực tiếp đến độ chính xác của mô hình tiếp theo.
Dung dịch
Shaip đã thiết kế một quy trình chú thích tập trung vào đường sắt, được điều chỉnh phù hợp với các yêu cầu kỹ thuật của dự án.
Chiến lược dữ liệu
Đã định nghĩa một khung chú thích có cấu trúc kết hợp phân đoạn, định vị đối tượng và phân loại để hỗ trợ nhiều mục tiêu mô hình từ một quy trình xử lý hình ảnh thống nhất.
Chú thích phân
Các trường hợp phân biệt chủng tộc được chú thích rõ ràng bằng cách sử dụng mặt nạ đa giác chính xác, vẽ sát xung quanh từng chiếc ghế để bảo toàn chi tiết cạnh, hình dạng và kết cấu.
Hộp giới hạn lưu vực
Đánh dấu vùng bồn cầu bằng cách sử dụng khung bao quanh thay vì phân đoạn theo mực nước. Khung bao quanh bồn cầu chỉ được áp dụng cho ảnh đầu tiên của mỗi lần chụp, trừ khi ảnh đó được đánh dấu là bỏ qua hoặc ảnh màu.
Ghi nhãn AOI
Các hình ảnh được phân loại vào một hệ thống phân loại có kiểm soát bao gồm: Không phải nhà vệ sinh, Bỏ qua, Trống, Giấy vệ sinh, Xả nước, Nước tiểu, Đi tiểu, Phân, Xà phòng vệ sinh và Số Bristol.
Đảm bảo chất lượng
Các quy trình đánh giá được áp dụng được thiết kế để đáp ứng ngưỡng chấp nhận theo lô 95%, với các bước kiểm tra chất lượng tập trung vào tính chặt chẽ của chú thích, phân loại chính xác và các quy tắc ghi nhãn ở cấp độ lượt truy cập.
Ứng dụng AI
Đã cấu trúc lại tập dữ liệu đầu ra để hỗ trợ các quy trình phân đoạn, phát hiện đối tượng và phân loại cho việc phân tích phân tự động, theo dõi sức khỏe tiêu hóa và các ứng dụng chăm sóc sức khỏe thông minh trong tương lai.
Phạm vi dự án
| Loại tập dữ liệu / tác vụ | Phương pháp chú thích | Quy tắc chính | Giá trị AI |
|---|---|---|---|
| Hình ảnh phân | Chú thích đa giác | Đánh dấu chặt chẽ các cạnh có thể nhìn thấy của ghế đẩu. | Hỗ trợ phân tích phân đoạn và hình thái phân. |
| bồn cầu | Hộp giới hạn | Chỉ đánh dấu vào ảnh hợp lệ đầu tiên của mỗi lần truy cập. | Giúp mô hình học hỏi bối cảnh lưu vực và bố cục cảnh. |
| Nhãn AOI | Chỉ phân loại | Áp dụng nhãn cảnh/sự kiện chính xác mà không cần chú thích đối tượng. | Giúp hiểu bối cảnh và phân loại sự kiện. |
Kết quả
- Xây dựng quy trình chú thích có cấu trúc trên toàn hệ thống. Hơn 700,000 hình ảnh liên quan đến chăm sóc sức khỏe
- Tiêu chuẩn hóa 3 quy trình làm việc riêng biệt để phân đoạn, định vị và phân loại
- Đã kích hoạt huấn luyện AI cho phát hiện phân tự động và phân loại liên quan đến thang đo Bristol
- Hỗ trợ phát triển mô hình cho Phân tích đường tiêu hóa, bối cảnh hydrat hóa và quy trình dự đoán bệnh tật.
- Đã tạo ra một nền tảng dữ liệu có khả năng mở rộng, phù hợp với... Mục tiêu chấp nhận lô hàng 95%
Bằng cách kết hợp khả năng xử lý dữ liệu số lượng lớn với logic ghi nhãn hình ảnh y tế chính xác, Shaip đã giúp khách hàng chuyển từ việc thu thập hình ảnh thô sang nền tảng dữ liệu sẵn sàng cho sản xuất, phục vụ cho phân tích phân tự động thế hệ tiếp theo. Dự án đã thiết lập cấu trúc cần thiết để mở rộng quy mô phát triển AI trong tương lai cho các ứng dụng theo dõi sức khỏe tiêu hóa và chăm sóc phòng ngừa.
Shaip đã mang đến độ chính xác trong chú thích và quy mô hoạt động mà chúng tôi cần cho một sáng kiến AI chăm sóc sức khỏe chuyên biệt cao. Khả năng quản lý việc phân đoạn phân phức tạp, định vị lưu vực và phân loại vùng quan tâm (AOI) với số lượng lớn đã tạo nền tảng vững chắc cho việc phát triển mô hình của chúng tôi.
