उच्च परिशुद्धता वाली मेडिकल इमेज एनोटेशन के साथ एआई-संचालित मल विश्लेषण को गति देना
जानिए कैसे Shaip स्वास्थ्य सेवा AI टीमों को मल छवि विश्लेषण, स्मार्ट शौचालयों और सटीक छवि एनोटेशन के साथ स्वास्थ्य निगरानी के लिए कंप्यूटर विज़न मॉडल बनाने में मदद करता है।
परियोजना अवलोकन
मल के स्वचालित विश्लेषण के लिए एआई मॉडल बनाने के लिए केवल छवि संग्रह से कहीं अधिक की आवश्यकता होती है। इसके लिए अत्यधिक सुसंगत, चिकित्सकीय रूप से प्रासंगिक लेबलिंग की आवश्यकता होती है जो मल के आकार, बेसिन संदर्भ और दृश्य-स्तर की विशेषताओं को सटीकता से कैप्चर करे।
ग्राहक ने वास्तविक शौचालय वातावरण में ली गई मल छवियों वाली एक बड़े पैमाने की छवि को एनोटेट करने के लिए Shaip के साथ साझेदारी की। इस परियोजना के लिए बहुस्तरीय लेबलिंग रणनीति की आवश्यकता थी जिसमें बहुभुज-आधारित मल एनोटेशन, बेसिन बाउंडिंग बॉक्स निर्माण और वर्गीकरण-आधारित AOI लेबलिंग शामिल थी।
इसका अंतिम लक्ष्य एक मजबूत प्रशिक्षण डेटासेट बनाना है जो मल का पता लगाने, ब्रिस्टल मल वर्गीकरण, मूत्र त्याग के संदर्भ की पहचान और भविष्य में पाचन स्वास्थ्य संबंधी जानकारियों के लिए कंप्यूटर विज़न मॉडल का समर्थन कर सके।
मुख्य आँकड़े
अंत उपयोग
स्वास्थ्य एवं गैस्ट्रोएंटरोलॉजी के लिए एआई-संचालित मल विश्लेषण
डेटा की मात्रा
700,000 + चित्र
एओआई वर्गीकरण
10 वर्गीकरण लेबल
परियोजना घटनाक्रम
नवंबर 2023 से जारी है
चुनौतियां
- अलग-अलग रोशनी, शौचालय की स्थितियों और छवि संरचना के बावजूद, यह सुनिश्चित किया गया कि मल जैसी वस्तुओं को सटीक बहुभुज सीमाओं के साथ विभाजित किया जाए।
- प्रत्येक विज़िट में केवल पहली वैध छवि पर ही विज़िट-स्तरीय तर्क लागू करते हुए बेसिन बाउंडिंग बॉक्स लेबलिंग का मानकीकरण करना।
- मल, मूत्र, पेशाब, फ्लशिंग, टॉयलेट पेपर और ब्रिस्टल नंबर जैसे लेबलों पर आधारित मल्टी-क्लास AOI लेबलिंग वर्कफ़्लो का प्रबंधन करना।
- 700,000 से अधिक फाइलों की बहुत बड़ी इमेज वॉल्यूम में निरंतरता और थ्रूपुट बनाए रखना।
- स्वास्थ्य सेवा से संबंधित एआई उपयोग के मामलों का समर्थन करना जहां एनोटेशन की गुणवत्ता सीधे तौर पर मॉडल की सटीकता को प्रभावित करती है।
उपाय
शैप ने परियोजना की तकनीकी आवश्यकताओं के अनुरूप रेलवे-केंद्रित एनोटेशन वर्कफ़्लो तैयार किया।
डेटा रणनीति
एक संरचित एनोटेशन फ्रेमवर्क को परिभाषित किया गया है जो एकीकृत छवि पाइपलाइन से कई मॉडल उद्देश्यों का समर्थन करने के लिए विभाजन, वस्तु स्थानीयकरण और वर्गीकरण को संयोजित करता है।
मल टिप्पणी
किनारों की बारीकियों, आकार और बनावट को संरक्षित करने के लिए प्रत्येक स्टूल के टुकड़े के चारों ओर बारीकी से ट्रेस करते हुए, सटीक बहुभुज मास्क का उपयोग करके दृश्यमान स्टूल के उदाहरणों को एनोटेट किया गया।
बेसिन परिबद्ध बॉक्स
पानी के स्तर के विभाजन के बजाय बाउंडिंग बॉक्स का उपयोग करके शौचालय बेसिन को चिह्नित किया गया। बेसिन बॉक्स प्रत्येक विज़िट की केवल पहली छवि पर लागू किए गए थे, जब तक कि छवि को अनदेखा या रंगीन के रूप में चिह्नित नहीं किया गया था।
एओआई लेबलिंग
नियंत्रित वर्गीकरण के तहत छवियों को वर्गीकृत किया गया है, जिनमें नॉन टॉयलेट, इग्नोर, एम्प्टी, टॉयलेट पेपर, फ्लशिंग, यूरिन, यूरिनेशन, स्टूल, टॉयलेट सोप और ब्रिस्टल नंबर शामिल हैं।
क्वालिटी एश्योरेंस
95% बैच स्वीकृति सीमा को पूरा करने के लिए डिज़ाइन किए गए लागू समीक्षा कार्यप्रवाह, जिसमें गुणवत्ता जांच एनोटेशन की सटीकता, सही वर्ग असाइनमेंट और विज़िट-स्तर लेबलिंग नियमों पर केंद्रित है।
एआई सक्षमता
स्वचालित मल विश्लेषण, पाचन स्वास्थ्य निगरानी और भविष्य के स्मार्ट-स्वास्थ्य अनुप्रयोगों के लिए विभाजन, वस्तु पहचान और वर्गीकरण प्रक्रियाओं का समर्थन करने के लिए आउटपुट डेटासेट को संरचित किया गया।
परियोजना गुंजाइश
| डेटासेट / कार्य प्रकार | एनोटेशन विधि | मुख्य नियम | एआई मूल्य |
|---|---|---|---|
| मल की तस्वीरें | बहुभुज एनोटेशन | दिखाई देने वाले किनारों के चारों ओर स्टूल पर निशान कसकर लगाएं। | मल के विखंडन और आकारिकी विश्लेषण में सहायता करता है |
| शौचालय बेसिन | डिब्बा का सीमा | प्रत्येक विज़िट की केवल पहली मान्य छवि में ही निशान लगाएं। | यह मॉडल को बेसिन के संदर्भ और दृश्य की रूपरेखा समझने में मदद करता है। |
| एओआई लेबल | केवल वर्गीकरण | ऑब्जेक्ट एनोटेशन के बिना सही दृश्य/घटना लेबल लागू करें | दृश्य को समझने और घटनाओं को वर्गीकृत करने में सक्षम बनाता है |
परिणामों
- एक संरचित एनोटेशन पाइपलाइन का निर्माण किया गया स्वास्थ्य सेवा से संबंधित 700,000 से अधिक छवियां
- मानकीकृत 3 अलग-अलग कार्यप्रवाह विभाजन, स्थानीयकरण और वर्गीकरण के लिए
- एआई प्रशिक्षण सक्षम किया गया स्वचालित मल पहचान और ब्रिस्टल-स्केल-संबंधित वर्गीकरण
- समर्थित मॉडल विकास के लिए गैस्ट्रोइंटेस्टाइनल विश्लेषण, हाइड्रेशन संदर्भ और रोग पूर्वानुमान कार्यप्रवाह
- एक स्केलेबल डेटा फाउंडेशन बनाया गया जो इसके अनुरूप है। 95% बैच स्वीकृति लक्ष्य
उच्च मात्रा में डेटा वितरण और सटीक चिकित्सा-छवि लेबलिंग तर्क को मिलाकर, शैप ने ग्राहक को कच्ची छवि कैप्चर से अगली पीढ़ी के स्वचालित मल विश्लेषण के लिए उत्पादन-तैयार डेटा आधार तक पहुंचने में मदद की। इस परियोजना ने पाचन स्वास्थ्य निगरानी और निवारक देखभाल अनुप्रयोगों में भविष्य के एआई विकास को बढ़ाने के लिए आवश्यक संरचना स्थापित की।
Shaip ने हमें स्वास्थ्य सेवा से संबंधित एक विशिष्ट AI पहल के लिए आवश्यक सटीक एनोटेशन और परिचालन क्षमता प्रदान की। जटिल मल विभाजन, बेसिन स्थान निर्धारण और AOI वर्गीकरण को बड़े पैमाने पर संभालने की उनकी क्षमता ने हमें मॉडल विकास के लिए एक मजबूत आधार प्रदान किया।
