Автоматизируем бизнес-процессы с помощью AI инструментов — создадим прототип  за 48 часов  или предложим оптимальное решение по сопровождению и развитию вашего бизнеса!

Автоматизируем бизнес-процессы с помощью AI инструментов — создадим прототип  за 48 часов  или предложим оптимальное решение по сопровождению и развитию вашего бизнеса!

Личный кабинет ортодонта

Веб-приложение для автоматизации разметки КТ-снимков для стоматологии на основе модели машинного обучения

Разработка веб-приложения для сети стоматологии, которое позволяет автоматизировать процесс разметки КТ-снимков. Для этого была создана модель машинного обучения, разработан вьюер и интегрирован в архитектуру веб-приложения.

Заказчик

Рентгенодиагностический центр, занимающийся современными методами исследований челюстно-лицевой области, в том числе с применением конусно-лучевой компьютерной томографии.

На сегодняшний день сеть организации насчитывает 7 центров на территории Москвы и МО.

В штате работают специалисты разных профилей:

  1. врачи-рентгенологи;
  2. технические специалисты;
  3. онлайн-поддержка;
  4. личные менеджеры.

Все центры оснащены по последнему слову техники и обладают высокой степенью цифровизации, что позволяет проводить диагностику быстро и качественно.

С какой проблемой пришел Заказчик?

К нам обратился специалист центра с запросом на создание ПО для разметки челюстей на 2D и 3D-снимках. Процесс ручной разметки занимает у врача, в среднем, 40 ‒ 60 минут на одного пациента. С наплывом пациентов у заказчика  возникла потребность в автоматизации процесса для облегчения работы врачей и повышения удовлетворенности клиентов центра.

Цель проекта

Разработать информационную систему по обработке DICOM-изображений, способную  автоматизировать процесс разметки челюстей (черепа):

  1. определять расстояние между контрольными точками на челюсти;
  2. измерять углы;
  3. строить плоскости и определять их соотношение;
  4. сравнивать соотношение с нормой;
  5. учитывать расхождения с нормой и формировать воды на основе расхождений.

Реализация проекта

Условно весь проект можно разделить на следующие этапы:

  1. разработка веб-приложения;
  2. создание модели машинного обучения (ML-модели);
  3. интеграция готового вьюера с разработанным веб-приложением.

На реализацию проекта от момента постановки ТЗ и до сдачи работ было отведено 6 месяцев.

В ходе работ выяснилось, что готовый вьюер невозможно интегрировать в разработанное нами веб-приложение, его возможностей не хватало для решения поставленных задач.

Это означало, что, помимо заявленных этапов, необходимо было разработать собственный вьюер. Нам пришлось срочно подключать штатных разработчиков, обладающих компетенциями по работе с 2D и 3D-изображениями, чтобы уложиться в срок.

Также в ходе проекта мы столкнулись с недостаточным количеством снимков для обучения нейросети, благодаря чему точность предиктивной разметки изначально была ниже ожидаемой.

Однако этот недостаток компенсируется постоянным обучением нейросети за счет того, что снимки со скорректированной врачом разметкой попадают обратно в ML-часть.

Результат

  1. Начало работы:  врач загружает снимки в систему
  2. Нанесение разметки на снимок:  система обрабатывает снимок и наносит предиктивную разметку используя технологию ML
  3. Корректировка разметки врачом:  специалист редактирует разметку и/или подтверждает корректность расположения контрольных точек
  4. Сохранение изображения:  система сохраняет подтвержденное изображение для «дообучения» ML-моделей
  5. Выявление отклонений:  система анализирует изображение и выявляет аномалии
  6. Подробный отчет:  через несколько минут готов наглядный отчет о текущем состоянии и возможных изменениях в зубочелюстных аномалиях

Радует, что удалось в кратчайшие сроки подключиться к проекту и, благодаря грамотно спроектированному решению, внести свой вклад в разработку. Смог применить накопленный специфичный опыт с других проектов.
Кроме того, избранный темп разработки позволил выйти на новые ступени изобретательности, открыв тем самым дорогу к креативным подходам и сократив времязатраты более чем в 4 раза (в сравнении с аналогичными задачами на другом проекте).

Владислав
Frontend-разработчик

У вас похожий запрос?

Свяжитесь с нами по почте request@codeinside.ru и мы поможем вам реализовать проект. Ознакомиться с другими выполненными проектами по ссылке.

Инструменты

Технологии

▪ Java

▪ PostgreSQL

▪ Amazon S3

▪ Samba

▪ Kafka

▪ Docker

Библиотеки и фреймворки

▪ Spring Boot

▪ React.js

▪ Tensorflow

▪ NumPy

▪ SciPy

▪ Pydicom

▪ OpenCV

▪ Pillow

▪ CV-pipeliner

▪ Pixelmed

▪ Dcm4che

Смотреть еще

Услуги



ЕСТЬ ВОПРОС?

Напишите нам

Заполните форму,
и мы свяжемся с вами
в ближайшее время

    captcha

    Контакты

    Штаб-квартира:

    г. Пенза, Суворова 66, 6 этаж

    Обсудить разработку:

    request@codeinside.ru+7 (8412) 45-84-19

    Свободные разработчики:

    t.me/codeinside_outstaffing

    Остальные вопросы:

    office@codeinside.ru+7 (8412) 45-84-19
    Мы в Telegram