स्मार्ट बाथरूम स्वास्थ्य निगरानी: टॉयलेट बाउल इमेज क्लासिफिकेशन केस स्टडी
शैप ने किस प्रकार एक संरचित मेडिकल इमेज एनोटेशन पाइपलाइन विकसित की, जो प्रति बैच 10,000 टॉयलेट बाउल छवियों को 5 प्राथमिक घटना वर्गों, ब्रिस्टल स्टूल स्केल क्लिनिकल स्कोरिंग और 20 से अधिक विशेषता टैग के साथ वर्गीकृत करती है - जिससे गैर-आक्रामक डिजिटल स्वास्थ्य निगरानी एआई को शक्ति मिलती है।
परियोजना अवलोकन
जैसे-जैसे गैर-आक्रामक डिजिटल स्वास्थ्य निगरानी स्मार्ट बाथरूम में उपयोग होने लगी, ग्राहक को एक चिकित्सकीय रूप से आधारित एनोटेशन पाइपलाइन की आवश्यकता हुई जो विशेषता-स्तर की सटीकता के साथ संरचित निर्णय वृक्ष के विरुद्ध टेलीसेंट्रिक कैमरा इमेजरी की उच्च मात्रा को वर्गीकृत करने में सक्षम हो।
शैप ने इमेज यूजेबिलिटी असेसमेंट, प्राइमरी इवेंट क्लासिफिकेशन, ब्रिस्टल स्टूल स्केल स्कोरिंग, एट्रीब्यूट टैगिंग और बैच-साइकिल क्यूए हैंडऑफ को कवर करते हुए एंड-टू-एंड एनोटेशन पाइपलाइन का निर्माण किया - जिससे गैस्ट्रोइंटेस्टाइनल हेल्थ मॉनिटरिंग एआई के लिए चिकित्सकीय रूप से लागू डेटासेट तैयार हुए।
मुख्य स्थिति
प्रति बैच छवियां
10,000
वितरण चक्र
14 दिन
प्राथमिक घटना वर्ग
5
ब्रिस्टल स्केल रेंज
1 - 7
चुनौतियां
- का निर्माण नैदानिक आधार पर वर्गीकरण योजना इसमें 5 प्राथमिक इवेंट क्लास और 20 से अधिक एट्रिब्यूट टैग शामिल हैं।
- पर परिचालन सख्त 14-दिवसीय बैच चक्र प्रति चक्र 10,000 छवियां वितरित की जाती हैं।
- लागू ब्रिस्टल स्टूल स्केल 1–7 स्कोरिंग मल त्याग की सभी घटनाओं में लगातार
- हैंडलिंग मोनोक्रोमैटिक, अवरुद्ध और कलाकृति-प्रभावित उपयोगिता-प्रथम ट्राइएज के साथ इमेजरी
- समन्वय क्लाइंट QA हैंडऑफ़ संरचित दिन-7 और दिन-14 के लक्ष्यों के साथ
उपाय
निर्णय वृक्ष वर्गीकरण
शैप ने पाँच प्राथमिक घटना श्रेणियों - खाली, मूत्र, मल, फ्लशिंग और टॉयलेट साबुन - को शामिल करते हुए एक संरचित निर्णय-वृक्ष कार्यप्रवाह तैयार किया, जिसमें मिश्रित घटनाओं (जैसे, फ्लशिंग और मल) के लिए संयोजनीय टैग शामिल थे। एक अस्पष्ट घटना टैग ने पहचान योग्य घटना संयोजनों को संरक्षित करते हुए अस्पष्ट मामलों को संभाला।
क्लिनिकल ब्रिस्टल स्केल स्कोरिंग
मल त्याग से संबंधित सभी घटनाओं के लिए, एनोटेटर्स ने ब्रिस्टल स्टूल स्केल पर 1 से 7 तक का स्कोर दिया, और कठिन मामलों के लिए 'अस्पष्ट' या 'मिश्रित' चिह्न उपलब्ध कराए। इस नैदानिक स्कोरिंग परत ने डेटासेट को सीधे गैस्ट्रोइंटेस्टाइनल स्वास्थ्य निगरानी एआई प्रशिक्षण के लिए उपयोगी बना दिया।
रिच एट्रीब्यूट टैगिंग
प्राथमिक वर्गीकरण के अलावा, प्रत्येक छवि को मूत्र प्रवाह की दृश्यता, टॉयलेट पेपर की उपस्थिति, रक्त की पहचान (संदिग्ध रक्त, रक्त के थक्के और रक्त के कण सहित), जंग के निशान, कैमरे की गंदगी, छवि अवरोध, फ्लैश कलाकृतियाँ, असंगठित फ्रेमिंग, कम मात्रा, तैरती हुई सामग्री और टॉयलेट रिसाव को कवर करने वाले विशेषता टैग प्राप्त हुए। नारंगी या बैंगनी-नीले रंग के मोनोक्रोमैटिक छवियों को अतिरिक्त रंग चिह्न प्राप्त हुए।
छवि उपयोगिता ट्राइएज
प्रत्येक छवि की उपयोगिता और प्रासंगिकता का पूर्वाभ्यास किया गया। पिक्सेलयुक्त, अतिप्रकाशित, हरी, धूसर, गैर-टेलीसेंट्रिक या विषय से हटकर छवियों को अनदेखा कर दिया गया। इस छँटाई प्रक्रिया ने लेबल किए गए डेटासेट में त्रुटिपूर्ण इनपुट को प्रवेश करने से रोका, जिससे मॉडल प्रशिक्षण की गुणवत्ता सुनिश्चित हुई।
दो सप्ताह का बैच चक्र और QA हैंडऑफ़
शैप ने स्पष्ट रूप से परिभाषित लक्ष्यों के साथ एक सख्त दो-सप्ताह के बैच चक्र का पालन किया। टैगिंग पूरी होने के बाद, क्लाइंट की आंतरिक QA टीम ने 7वें दिन तक आधे बैच और 14वें दिन तक पूरे बैच की समीक्षा की। अस्वीकृत छवियों को चिह्नित किया गया और सुधार के लिए वापस भेज दिया गया, जिससे सभी बैचों में गुणवत्ता में निरंतर सुधार सुनिश्चित हुआ।
परियोजना गुंजाइश
| डेटासेट प्रकार | प्रति बैच मात्रा | इवेंट क्लासेस | नैदानिक स्कोरिंग | विशेषता टैग | चक्र |
|---|---|---|---|---|---|
| स्मार्ट शौचालय छवि वर्गीकरण | 10,000 छवियों | 5 प्राथमिक + संयोजन | ब्रिस्टल स्टूल स्केल 1–7 | 20+ टैग | 14 दिन |
परिणामों
- की स्थापना की नैदानिक रूप से आधारित एनोटेशन पाइपलाइन गैर-आक्रामक डिजिटल स्वास्थ्य निगरानी एआई के लिए
- मानकीकृत 5-श्रेणी प्राथमिक घटना वर्गीकरण संयोज्य टैग तर्क के साथ
- दिया गया ब्रिस्टल स्टूल स्केल 1–7 स्कोरिंग हर स्टूल इवेंट में
- निर्मित 20+ विशेषता टैग इसमें नैदानिक स्थितियां, छवि गुणवत्ता और दृश्य कलाकृतियां शामिल हैं।
- अनुरक्षित सख्त 14-दिवसीय बैच चक्र संरचित क्लाइंट QA हैंडऑफ़ के साथ
कुल मिलाकर, शैप ने उच्च मात्रा वाली मेडिकल इमेज क्लासिफिकेशन की आवश्यकता को चिकित्सकीय रूप से संरचित, उत्पादन के लिए तैयार एनोटेशन पाइपलाइन में बदलने में मदद की - एक ऐसी पाइपलाइन जो गैर-आक्रामक डिजिटल स्वास्थ्य निगरानी, गैस्ट्रोइंटेस्टाइनल एआई और घर पर नैदानिक निर्णय सहायता अनुप्रयोगों को बड़े पैमाने पर समर्थन देने में सक्षम है।
शैप समझ गए थे कि यह सामान्य इमेज टैगिंग नहीं थी, बल्कि नैदानिक एनोटेशन थी। ब्रिस्टल स्केल पर उनके निष्पादन, एट्रीब्यूट टैग की सटीकता और बैच चक्र के अनुशासन ने हमें ऐसा प्रशिक्षण डेटा प्रदान किया जिसे हम आत्मविश्वासपूर्वक मॉडल परिनियोजन में उपयोग कर सकते थे।
