КОМПЬЮТЕРНОЕ ЗРЕНИЕ В ЗДРАВООХРАНЕНИИ

dis.agency
Опубликовано :2021-12-08 | Блог
КОМПЬЮТЕРНОЕ ЗРЕНИЕ В ЗДРАВООХРАНЕНИИ

Компьютерное зрение - это технология, основанная на обработке и синтезе изображений. Обычно она включает в себя машинное обучение и позволяет искусственному интеллекту имитировать человеческое зрение. Эта технология направлена на экономию времени за счет автоматизации ручного анализа изображений и достижения более высокого уровня точности. Для этого алгоритму скармливают огромное количество репрезентативных изображений и обучают его обнаруживать определенные их части. В настоящее время разработчики используют компьютерное зрение в самых разных сферах: от масок Snapchat и Instagram до научных исследований и медицинских задач. 

Основные причины использования компьютерного зрения в медицинской сфере

Несмотря на то, что современное компьютерное зрение не позволяет технологии заменить медицинских работников, она упрощает их работу. Вот несколько весомых причин для начала использования компьютерного зрения в здравоохранении.

  • Скорость

Если и есть одна главная причина использовать компьютеры вместо людей в определенных процессах, то это их способность быстрее проводить расчеты и аналитическую работу. Как ни парадоксально, но скорость применима и к медицине, наряду с другими областями. Люди могут обрабатывать лишь ограниченное количество информации за один раз. Именно здесь ИИ берет на себя монотонную и рутинную часть работы.

Благодаря аппаратному обеспечению, быстрому Интернету и облачным технологиям, которые мы имеем сегодня, компьютеры могут обрабатывать изображения за микросекунды. Это позволяет врачам поручить ИИ анализ, скажем, всех рентгеновских снимков, а самим сосредоточиться на пациентах. Таким образом, у врачей появляется шанс узнать больше конкретных деталей благодаря своим "мягким" навыкам и оказать помощь большему числу нуждающихся в ней

  • Точность

Некоторые заболевания, например, рак, требуют диагностики на ранней стадии, чтобы врачи могли спасти жизнь человека. Ложноотрицательные и ложноположительные результаты могут быть весьма разрушительными. В таких случаях пациент либо не начинает лечение вовремя, либо принимает судьбоносные решения, основываясь на своих знаниях о предположительно несуществующей болезни. Компьютерное зрение в определенной степени исключает возможность человеческой ошибки и служит помощником для радиологов. ИИ может помочь врачам выявить такие заболевания, как рак, пневмония, остеопороз и многие другие.

  • Срочность

Здравоохранение предполагает множество экстренных ситуаций, требующих немедленной реакции. Медицинских специалистов учат в таких случаях очень быстро визуально оценивать ситуацию. Но что произойдет, если они окажутся недостаточно точными? Вот почему сочетание скорости и точности, обеспечиваемое компьютерным зрением, может оказаться решающим в экстренных ситуациях.

Автоматическая оценка послеродового кровотечения - пример применения компьютерного зрения в медицине. Это позволяет хирургам понять, сколько крови потерял пациент. Система Triton измеряет количество крови на использованных губках и в канистрах. Система помогает врачам снизить количество материнских смертей и продолжительность пребывания в больнице.

  • Распознавание образов

Радиологи также могут получать помощь от компьютеров. Необходимо лишь составить набор данных изображений с особо ассоциированными диагнозами и обучить модель глубокого обучения на основе этого набора данных. Затем ИИ начнет выявлять закономерности на изображениях. Например, он может обнаружить опухоли, пневмонию или потенциально опасные родинки.

Примеры применения компьютерного зрения в здравоохранении

Давайте подробнее рассмотрим применение компьютерного зрения в здравоохранении.

Выявление рака кожи

"Каждый пятый человек заболевает раком кожи", - говорится на сайте SkinVision - приложения, которое помогает пользователю обнаружить рак кожи. Вам нужно скачать, установить приложение и сфотографировать родинку или пятно, которое вас беспокоит. Затем приложение скажет, нужно ли вам обратиться к дерматологу или нет. Чувствительность программы составляет 95% благодаря алгоритму машинного обучения.

 

Симуляторы хирургии

Компьютерное зрение для медицинской визуализации также используется для обучения. Обучение с использованием CV особенно актуально для хирургов: сегодня они могут осваивать свои навыки с помощью цифровых моделей. Программное обеспечение Touch Surgery позволяет врачам проходить симуляцию различных операций. Искусственный интеллект создает интерактивные 3D-модели человеческих тел, позволяя хирургам оперировать их почти так же, как в реальной жизни.

 

 

Обнаружение пневмоний

Веб-приложение для обнаружения пневмонии основано на нейронной сети, которая была обучена на 500 рентгеновских снимках грудной клетки. Модель глубокого обучения достигла точности 86%+. Тем не менее, это проект с открытым исходным кодом, который можно использовать только в исследовательских, но не в клинических целях.

Разработчики другого инструмента для обнаружения пневмонии жалуются, что найти помеченные данные сложно, поскольку диагноз могут поставить только сертифицированные врачи. Они также не уверены, что результат будет релевантен для других заболеваний, поскольку их база данных была ограничена пациентами в возрасте 1-5 лет из одной больницы.

[Обнаружение пневмонии по рентгенограмме грудной клетки с помощью глубокого обучения].

Рассматриваете возможность разработки мобильного приложения для здравоохранения?

Бесплатно скачать электронную книгу

Наша экспертиза

Команда APP Solutions построила нейронную сеть для классификации рака кожи. Одной из основных проблем проекта была чувствительность к времени. Хотя системе необходимо время для обработки данных, результат должен быть виден как можно скорее. Другая сложность заключается в вычислительных ресурсах, которые требует продукт. Создание всей системы в облаке было единственным решением. Кроме того, это позволило сократить стоимость проекта вдвое.

 

В конечном итоге поток продукции работал следующим образом:

  1. Входное изображение загружается в облачное хранилище и передается в конволюционную нейронную сеть;

  2. CNN обрабатывает входные изображения;

  3. Алгоритм обнаружения аномалий находит подозрительные элементы;

  4. Алгоритм классификации определяет тип аномалии;

  5. Processing results saved to the database; 

  6. Результаты обобщены и визуализированы.  

Классификатор учитывает анатомическое расположение поражения, данные профиля пациента, размер поражения, масштаб и другие характеристики.

В результате мы создали систему со средней точностью 90% на тестовых данных и продолжительностью выдачи результата в один час. Чем дольше работает система, тем эффективнее она становится.

Будущее компьютерного зрения в здравоохранении

В настоящее время существует одна большая проблема в компьютерном зрении в здравоохранении. Модели глубокого обучения, как правило, плохо работают на новых данных (отличных от тех, на которых они обучались). Таким образом, в этой области еще многое предстоит сделать.

Прогнозы рынка говорят о том же: пик развития компьютерного зрения в здравоохранении еще не наступил. По прогнозам, рынок CV в здравоохранении будет расти на 47,2% и достигнет 1 457 млн долларов США к 2023 году по сравнению с 210,5 млн долларов США в 2018 году. 

Заключение

Компьютерное зрение в здравоохранении может многое предложить: оно уже помогает рентгенологам, хирургам и другим врачам. Эта технология также может частично заменить профессиональную подготовку врачей и первичную диагностику рака кожи. Тенденции и вызовы показывают: прорыв компьютерного зрения в области медицины еще впереди. Если вы заинтересованы в том, чтобы стать его частью, не стесняйтесь обращаться к нам.

 

Работаем вместе?

Свяжитесь с нами +373 69 423 639
+373 68 057 085
Не можете сделать выбор? Задайте вопрос эксперту!