fbpx
  • InformAI классифицирует диагноз пациента на основе сканов носовой пазухи и мозга

    Стартап InformAI тренирует нейронную сеть классифицировать диагнозы и характеристики здоровья пациента на основе изображений мозга и носовой пазухи (синуса) и уже текущей весной представит готовый продукт. Проект входит в число Nvidia AI Inception Partners.

    Картинки по запросу sinus human
    Расположение синусов в организме человека.

    Алгоритм отвечает на вопрос, является ли изображение инфекцией или особенностью формы пазухи отдельного пациента. Основная сложность диагностики болезней носовой пазухи — различие в ее форме у разных людей.

    Модель обучается на NVIDIA V100 GPU с использованием облачной платформы Microsoft Azure. Платформа предоставляет инфраструктуру для приложений, в основе которых нейросеть. Это интересный кейс того, как в бизнесе при внедрении глубокого обучения используется готовая платформа, а не разрабатывается своя с нуля. Кроме того, помощью переноса вычислений на GPU получилось ускорить модель более чем в 6 раз.

    Текущие продукты компании.

    Все детали архитектуры не раскрываются, однако известно, что основана она на 3D-CNN. Известно также, что модель обучалась на 6 миллионах картинок из 20,000 обследований пациентов. Разметкой в то время занималась команда радиологов и медицинских специалистов. Итоговой архитектуре достаточно 30 секунд, чтобы просканировать 3D изображение с компьютерной томографией пациента, проверить его на 20 заболеваний синусов и оповестить о результате обследования. На основе этого классификатора был разработан еще один, решающий задачу детектирования рака головного мозга.

    Компания начинает тестирование классификатора этой весной в ряде клиник и больниц в качестве вспомогательного ПО для радиологов и ЛОРов. На данный момент доступен только классификатор болезней синуса. Модель, детектирующая рак головного мозга на данный момент находится в разработке. Детали реализации не раскрываются. Известно лишь, что тренируется она на 100,000 изображений и данных 1,000 обследований пациентов.