เร่งการวิเคราะห์อุจจาระด้วย AI โดยใช้การใส่คำอธิบายประกอบภาพทางการแพทย์ที่มีความแม่นยำสูง
ค้นพบวิธีที่ Shaip ช่วยทีม AI ด้านการดูแลสุขภาพสร้างแบบจำลองคอมพิวเตอร์วิชั่นสำหรับการวิเคราะห์ภาพอุจจาระ ห้องน้ำอัจฉริยะ และการตรวจสอบสุขภาพด้วยการระบุรายละเอียดภาพที่แม่นยำ
ภาพรวมโครงการ
การสร้างแบบจำลอง AI สำหรับการวิเคราะห์อุจจาระอัตโนมัติไม่ได้ต้องการเพียงแค่การรวบรวมภาพเท่านั้น แต่ยังต้องการการติดป้ายกำกับที่มีความสม่ำเสมอสูงและมีความเกี่ยวข้องทางคลินิก ซึ่งสามารถบันทึกรูปร่างของอุจจาระ บริบทของอ่าง และคุณลักษณะระดับฉากได้อย่างแม่นยำ
ลูกค้าได้ร่วมงานกับ Shaip เพื่อติดป้ายกำกับภาพขนาดใหญ่ที่มีภาพอุจจาระซึ่งถ่ายในสภาพแวดล้อมห้องน้ำจริง โครงการนี้ต้องการกลยุทธ์การติดป้ายกำกับหลายชั้นที่ผสมผสานการติดป้ายกำกับอุจจาระโดยใช้รูปหลายเหลี่ยม การสร้างกรอบล้อมรอบอ่างล้างหน้า และการติดป้ายกำกับพื้นที่ที่สนใจ (AOI) โดยใช้การจำแนกประเภท
เป้าหมายสูงสุดคือการสร้างชุดข้อมูลฝึกฝนที่แข็งแกร่งซึ่งสนับสนุนแบบจำลองคอมพิวเตอร์วิชั่นสำหรับการตรวจจับอุจจาระ การจำแนกประเภทอุจจาระตามระบบบริสตอล การจดจำบริบทการปัสสาวะ และข้อมูลเชิงลึกด้านสุขภาพระบบย่อยอาหารในอนาคต
สถิติสำคัญ
สิ้นสุดการใช้งาน
การวิเคราะห์อุจจาระด้วย AI สำหรับการดูแลสุขภาพและระบบทางเดินอาหาร
ปริมาณข้อมูล
ภาพ 700,000 +
อนุกรมวิธาน AOI
ป้ายกำกับจำแนกประเภท 10 รายการ
ระยะเวลาโครงการ
ดำเนินการต่อเนื่องมาตั้งแต่เดือนพฤศจิกายน 2023
ชาเลนจ์ (Challenge)
- เพื่อให้มั่นใจว่าวัตถุที่เป็นอุจจาระได้รับการแบ่งส่วนด้วยขอบเขตโพลีกอนที่แม่นยำ แม้ว่าจะมีแสง สภาพห้องน้ำ และองค์ประกอบภาพที่แตกต่างกันก็ตาม
- กำหนดมาตรฐานการติดป้ายกรอบขอบเขตของแอ่งน้ำ โดยใช้ตรรกะระดับการเยี่ยมชมเฉพาะกับภาพที่ถูกต้องภาพแรกในการเยี่ยมชมแต่ละครั้งเท่านั้น
- การจัดการเวิร์กโฟลว์การติดฉลาก AOI หลายประเภท ครอบคลุมฉลากต่างๆ เช่น อุจจาระ ปัสสาวะ การปัสสาวะ การกดชักโครก กระดาษชำระ และหมายเลขบริสตอล
- รักษาความสม่ำเสมอและประสิทธิภาพในการประมวลผลภาพปริมาณมหาศาลที่มีมากกว่า 700,000 ไฟล์
- สนับสนุนกรณีการใช้งาน AI ที่มุ่งเน้นด้านการดูแลสุขภาพ ซึ่งคุณภาพของการระบุข้อมูลส่งผลโดยตรงต่อความแม่นยำของโมเดลในขั้นตอนต่อไป
Solution
Shaip ได้ออกแบบเวิร์กโฟลว์การใส่คำอธิบายประกอบที่เน้นด้านรถไฟ โดยปรับให้เหมาะสมกับข้อกำหนดทางเทคนิคของโครงการ
กลยุทธ์ข้อมูล
กำหนดกรอบการทำงานสำหรับการระบุโครงสร้างที่ผสานการแบ่งส่วน การระบุตำแหน่งวัตถุ และการจำแนกประเภท เพื่อรองรับวัตถุประสงค์ของโมเดลหลายประการจากกระบวนการประมวลผลภาพแบบครบวงจร
คำอธิบายประกอบอุจจาระ
มีการระบุรายละเอียดของชิ้นส่วนเก้าอี้ที่มองเห็นได้โดยใช้มาสก์รูปหลายเหลี่ยมที่แม่นยำ โดยลากเส้นตามชิ้นส่วนเก้าอี้แต่ละชิ้นอย่างใกล้ชิดเพื่อรักษารายละเอียดของขอบ รูปทรง และพื้นผิว
กรอบขอบเขตของแอ่งน้ำ
กำหนดขอบเขตของอ่างล้างหน้าโดยใช้กรอบสี่เหลี่ยมแทนการแบ่งส่วนตามระดับน้ำ กรอบสี่เหลี่ยมของอ่างล้างหน้าจะถูกนำมาใช้กับภาพแรกของการเยี่ยมชมแต่ละครั้งเท่านั้น เว้นแต่ภาพนั้นจะถูกทำเครื่องหมายว่าไม่สนใจหรือเป็นภาพสี
การติดฉลาก AOI
ภาพต่างๆ ถูกจัดหมวดหมู่เป็นระบบจำแนกประเภทที่มีการควบคุม ได้แก่ ภาพที่ไม่เกี่ยวข้องกับห้องน้ำ, ไม่สนใจ, ว่างเปล่า, กระดาษชำระ, การกดชักโครก, ปัสสาวะ, การขับถ่ายปัสสาวะ, อุจจาระ, สบู่ห้องน้ำ และค่าบริสตอล
การประกันคุณภาพ
มีการนำเวิร์กโฟลว์การตรวจสอบที่ออกแบบมาเพื่อให้เป็นไปตามเกณฑ์การยอมรับชุดข้อมูล 95% โดยการตรวจสอบคุณภาพจะเน้นที่ความกระชับของคำอธิบายประกอบ การกำหนดคลาสที่ถูกต้อง และกฎการติดป้ายกำกับระดับการเยี่ยมชม
การเปิดใช้งาน AI
จัดโครงสร้างชุดข้อมูลผลลัพธ์เพื่อรองรับกระบวนการแบ่งส่วน การตรวจจับวัตถุ และการจำแนกประเภทสำหรับการวิเคราะห์อุจจาระอัตโนมัติ การตรวจสอบสุขภาพระบบย่อยอาหาร และแอปพลิเคชันด้านสุขภาพอัจฉริยะในอนาคต
ขอบเขตโครงการ
| ชุดข้อมูล / ประเภทงาน | วิธีการใส่คำอธิบายประกอบ | กฎหลัก | คุณค่าของ AI |
|---|---|---|---|
| ภาพอุจจาระ | คำอธิบายประกอบรูปหลายเหลี่ยม | ระบุรายละเอียดเกี่ยวกับอุจจาระให้แน่นรอบขอบที่มองเห็นได้ | รองรับการแบ่งส่วนอุจจาระและการวิเคราะห์รูปร่าง |
| อ่างล้างหน้า | กล่องกั้น | ทำเครื่องหมายเฉพาะในภาพแรกที่ถูกต้องของการเข้าชมแต่ละครั้งเท่านั้น | ช่วยให้โมเดลเรียนรู้บริบทของแอ่งน้ำและการจัดเฟรมภาพ |
| ป้ายกำกับ AOI | การจัดประเภทเท่านั้น | ใส่ป้ายกำกับฉาก/เหตุการณ์ที่ถูกต้องโดยไม่ต้องใส่คำอธิบายประกอบวัตถุ | ช่วยให้เข้าใจฉากและจำแนกประเภทเหตุการณ์ได้ |
ผลลัพธ์
- สร้างไปป์ไลน์การระบุคำอธิบายที่มีโครงสร้างอย่างเป็นระบบทั่วทั้งระบบ รูปภาพที่เกี่ยวข้องกับการดูแลสุขภาพมากกว่า 700,000 ภาพ
- มาตรฐาน 3 ขั้นตอนการทำงานที่แตกต่างกัน สำหรับการแบ่งส่วน การระบุตำแหน่ง และการจำแนกประเภท
- เปิดใช้งานการฝึกอบรม AI สำหรับ การตรวจจับอุจจาระอัตโนมัติและการจำแนกประเภทตามมาตราส่วนบริสตอล
- สนับสนุนการพัฒนาโมเดลสำหรับ ขั้นตอนการวิเคราะห์ระบบทางเดินอาหาร บริบทของภาวะขาดน้ำ และการทำนายโรค
- สร้างรากฐานข้อมูลที่ปรับขนาดได้ซึ่งสอดคล้องกับ เป้าหมายการยอมรับชุดการผลิต 95%
ด้วยการผสานการส่งมอบข้อมูลปริมาณมากเข้ากับตรรกะการติดฉลากภาพทางการแพทย์ที่แม่นยำ Shaip ช่วยให้ลูกค้าเปลี่ยนจากการจับภาพดิบไปสู่ฐานข้อมูลที่พร้อมใช้งานสำหรับการวิเคราะห์อุจจาระอัตโนมัติรุ่นใหม่ โครงการนี้ได้สร้างโครงสร้างที่จำเป็นสำหรับการขยายขนาดการพัฒนา AI ในอนาคตด้านการตรวจสอบสุขภาพระบบย่อยอาหารและการดูแลเชิงป้องกัน
Shaip นำเสนอความแม่นยำในการระบุข้อมูลและขนาดการดำเนินงานที่เราต้องการสำหรับโครงการ AI ด้านการดูแลสุขภาพที่มีความเชี่ยวชาญสูง ความสามารถในการจัดการการแบ่งส่วนอุจจาระที่ซับซ้อน การระบุตำแหน่งอ่าง และการจำแนกประเภท AOI ในปริมาณมาก ทำให้เรามีรากฐานที่แข็งแกร่งสำหรับการพัฒนารูปแบบโมเดล
