Программное обеспечение
глубокого обучения
глубокого обучения
для изображений на основе
Проблемы:
Решение:
Учреждения сталкиваются с задержками в диагностике из-за ограниченной пропускной способности текущих систем
Ошибки в диагностике угрожают жизни пациентов
Врачи и радиологи тратят много времени на анализ медицинских изображений
Недостаточная скорость диагностики.
Высокая стоимость ошибок.
Низкая производительность.
Разработано программное обеспечение для автоматического определения опухолей на медицинских изображениях (МРТ и КТ).
Алгоритм компьютерного зрения
Особенности:
Анализирует всё изображение за один проход, что делает обработку очень быстрой (≈200 мс на снимок).
Способна находить даже мелкие и плохо выраженные опухоли.
Построена на языке Python, что упрощает интеграцию с медицинскими системами.
Серверная часть реализована на Flask и FastAPI, пользовательский веб-интерфейс — на React.
Результат анализа выдаётся в структурированном виде: координаты опухоли, вероятность диагноза, количество очагов.
Тестирование показало:
- mAP@0.5 = 95.7 % (очень высокая точность локализации)
- Precision = 94.8 % (минимум ложных срабатываний)
- Recall = 93.6 % (модель почти не пропускает опухоли)
Использована предобученная версия YOLOv8n, дообученная на 100 эпохах с оптимизатором AdamW.
Выполнена предобработка снимков: выравнивание размеров, нормализация яркости, создание дополнительных вариантов через аугментации (размытие, преобразование в ч/б, CLAHE и др.).
Проведена разметка изображений: выделены зоны с опухолями и здоровые области.
Ход работы:
Обучение модели
Функционал
У приложения понятный интерфейс и есть возможность загружать несколько изображений, что упростит работу врачам
Приложение диагностирует опухоль при наличии, покажет ее расположение и процент уверенности в диагнозе
Часто задаваемые вопросы
Мы собрали список часто задаваемых вопросов по нашему проекту, чтобы Вы быстро смогли найти ответ на интересующие Вас детали!
Наша система автоматически анализирует медицинские изображения (МРТ, КТ) и выявляет возможные опухоли. Она подсвечивает зоны подозрительных очагов и выдаёт уровень уверенности, что помогает врачу быстрее принимать решение.
В основе лежит современная архитектура YOLOv8 — одна из самых быстрых и точных моделей компьютерного зрения. Она обрабатывает изображение за один проход и способна находить даже мелкие и нечеткие опухоли.
Скорость обработки одного изображения — около 200 мс на стандартной рабочей станции. Это позволяет использовать систему в режиме реального времени.
После дообучения на специализированных МРТ-снимках модель показала:
Точность (Precision) — 94.8 %
Полнота (Recall) — 93.6 %
mAP@0.5 — 95.7 %
Это значит, что система почти не пропускает опухоли и минимально ошибается.
Точность (Precision) — 94.8 %
Полнота (Recall) — 93.6 %
mAP@0.5 — 95.7 %
Это значит, что система почти не пропускает опухоли и минимально ошибается.
Мы применили публичный датасет Brain Tumor, включающий МРТ-снимки головного мозга с аннотациями опухолей. Данные прошли предобработку: выравнивание размеров, нормализация яркости, а также аугментации (размытие, преобразование в ч/б, CLAHE и др.).
Да. Модель интегрирована в приложение и готова к тестированию в условиях реальной медицинской практики.
Оставьте заявку для покупки!
Наш продукт уникален своей способностью обнаруживать ранние признаки заболеваний, таких как опухоли, пневмония и диабетическая ретинопатия. Это делает продукт незаменимым инструментом в руках врачей. Начальная стоимость продукта составит $8000
Проект создан при поддержке Федерального государственного бюджетного учреждения "Фонд содействия развитию малых форм предприятий в начуно-технической сфере в рамках программы "Студенческий стартап" федерального проекта "Платформа университетского технологического предпринимательства".
