Алгоритм сегментации плечевого сплетения на УЗИ

Алгоритм для обнаружения плечевого сплетения на ультразвуковом изображении помогает определить точное место для установки катетера при хирургии плеча. Это решение снижает зависимость от медикаментов для обезболивания, ускоряет восстановление пациентов и уменьшает вероятность возникновения побочных эффектов.

Для реализации задачи использовались технологии машинного обучения и компьютерного зрения. Алгоритм предоставляет медицинским специалистам изображение с выделенной областью плечевого сплетения, что упрощает процесс принятия решений в ходе хирургического вмешательства.

ЗАДАЧА

• Разработать алгоритм, способный точно сегментировать плечевое сплетение на ультразвуковом снимке;

• Настроить нейронную сеть для обеспечения высокой точности распознавания;

• Снизить нагрузку на медицинский персонал и повысить скорость диагностики.

Александр Калинин, эксперт с 14-летним опытом в ИТ, включая 5 лет в AI:

“Заменив стандартную функцию потерь на взвешенную комбинацию кросс-энтропии и метрики Дайса, мы значительно повысили качество сегментации — и всё это без изменения самой модели.

Этот подход не только дал отличный результат, но и заставил нас взглянуть на лоссы по-новому: теперь мы подходим к их выбору более гибко и творчески, рассматривая их как мощный инструмент для оптимизации моделей.”

РЕШЕНИЕ

Система состоит из следующих компонентов:

01

Архитектура UNet:

Специализированная нейронная сеть для сегментации медицинских изображений.

02

Оптимизированная функция потерь:

Комбинация Dice и Binary Crossentropy для достижения максимальной точности.

03

Открытость решения:

Решение может быть интегрировано в веб-, мобильные и десктопные приложения.

Хотите похожий функционал в вашем проекте

Связаться с нами