스마트 욕실 건강 모니터링: 변기 이미지 분류 사례 연구
Shaip은 5가지 주요 이벤트 클래스, 브리스톨 대변 척도 임상 점수, 20개 이상의 속성 태그를 사용하여 배치당 10,000개의 변기 이미지를 분류하는 구조화된 의료 이미지 주석 파이프라인을 개발하여 비침습적 디지털 건강 모니터링 AI를 구현했습니다.
사업 개요
비침습적 디지털 건강 모니터링이 스마트 욕실에 도입됨에 따라, 고객은 속성 수준의 세분성을 갖춘 구조화된 의사 결정 트리를 기반으로 대량의 원격 카메라 이미지를 분류할 수 있는 임상적으로 검증된 주석 파이프라인을 필요로 했습니다.
샤이프는 이미지 사용성 평가, 주요 이벤트 분류, 브리스톨 대변 척도 점수 산정, 속성 태깅 및 배치 주기 QA 전달을 포괄하는 엔드 투 엔드 주석 파이프라인을 구축하여 위장 건강 모니터링 AI에 임상적으로 적용 가능한 데이터 세트를 생성했습니다.
주요 상태
배치당 이미지 수
10,000
배송주기
14 일 동안
주요 이벤트 클래스
5
브리스톨 스케일 범위
1-7
도전
- 구축 임상적 근거에 기반한 분류 체계 5개의 주요 이벤트 클래스와 20개 이상의 속성 태그를 포함합니다.
- 에 운영 엄격한 14일 배치 주기 주기당 10,000개의 이미지가 제공됩니다.
- 적용 브리스톨 대변 척도 1~7점 척도 모든 배변 활동에서 일관되게
- 처리 단색, 방해 및 인공물의 영향을 받은 사용성 우선 분류를 통한 이미지 분석
- 조정 클라이언트 QA 인수인계 7일차와 14일차에 체계적인 마일스톤을 설정했습니다.
해법
의사결정나무 분류
샤이프는 다섯 가지 주요 이벤트 클래스(비움, 소변, 대변, 물 내림, 변기 세정제 사용)를 포괄하는 구조화된 의사결정 트리 워크플로를 설계했으며, 복합 이벤트(예: 물 내림과 대변의 조합)에 대해 조합 가능한 태그를 사용했습니다. '이벤트 불명확' 태그는 식별 가능한 이벤트 조합을 유지하면서 모호한 경우를 처리합니다.
임상 브리스톨 척도 점수
모든 대변 사례에 대해 주석 작성자는 1에서 7까지의 브리스톨 대변 척도 점수를 할당했으며, 어려운 사례에는 불분명 또는 혼합 플래그를 사용할 수 있었습니다. 이러한 임상 점수 체계를 통해 데이터 세트를 위장관 건강 모니터링 AI 학습에 직접 적용할 수 있게 되었습니다.
풍부한 속성 태깅
기본 분류 외에도 각 이미지에는 소변 줄기 가시성, 화장지 유무, 혈액 검출(혈액 의심, 혈전, 혈흔 포함), 부식 흔적, 카메라 먼지, 이미지 가림막, 플래시 아티팩트, 중앙 정렬 불량, 저화질, 부유물, 변기 누수 등을 나타내는 속성 태그가 지정되었습니다. 주황색 또는 보라색-파란색 톤의 흑백 이미지에는 추가 색상 플래그가 부여되었습니다.
이미지 사용성 평가
모든 이미지는 먼저 사용성과 관련성을 평가받았습니다. 픽셀화되었거나, 과다 노출되었거나, 녹색이나 회색이거나, 원근 투영이 잘못되었거나, 주제와 관련 없는 이미지는 무시 대상으로 표시되었습니다. 이러한 선별 과정을 통해 품질이 떨어지는 이미지가 레이블이 지정된 데이터 세트에 포함되는 것을 방지하여 후속 모델 학습의 품질을 보호했습니다.
2주 배치 주기 및 QA 인수인계
Shaip은 명확하게 정의된 마일스톤을 기반으로 엄격한 2주 배치 주기로 운영되었습니다. Shaip이 태깅 작업을 완료하면 고객사의 내부 QA 팀이 7일 차에 배치 이미지의 절반을, 14일 차에 전체를 검토했습니다. 불량 이미지는 표시되어 수정 후 반환되었으며, 이를 통해 배치 전반에 걸쳐 지속적인 품질 개선이 이루어졌습니다.
프로젝트 범위
| 데이터 세트 유형 | 배치당 볼륨 | 이벤트 클래스 | 임상 점수 | 속성 태그 | 주기 |
|---|---|---|---|---|---|
| 스마트 화장실 이미지 분류 | 10,000 이미지 | 5가지 기본 + 조합 | 브리스톨 대변 척도 1~7 | 20개 이상의 태그 | 14 일 동안 |
결과
- 설립 임상 기반 주석 파이프라인 비침습적 디지털 건강 모니터링 AI용
- 표준화 5등급 주요 이벤트 분류 조합 가능한 태그 로직을 사용하여
- 배달 브리스톨 대변 척도 1~7점 척도 모든 배변 활동 동안
- 내장 20개 이상의 속성 태그 임상 조건, 영상 품질 및 시각적 오류를 포괄합니다.
- 유지 엄격한 14일 배치 주기 체계적인 클라이언트 QA 인수인계 포함
전반적으로 Shaip은 대용량 의료 영상 분류 요구 사항을 임상적으로 구조화되고 즉시 사용 가능한 주석 파이프라인으로 전환하는 데 도움을 주었으며, 이 파이프라인은 비침습적 디지털 건강 모니터링, 위장관 AI 및 가정용 임상 의사 결정 지원 애플리케이션을 대규모로 지원할 수 있습니다.
샤이프는 이것이 단순한 이미지 태깅이 아니라 임상 주석 작업이라는 것을 이해했습니다. 그들의 브리스톨 스케일 실행, 속성 태그의 엄격함, 그리고 배치 처리 주기 관리는 우리가 모델 배포에 자신 있게 사용할 수 있는 학습 데이터를 제공해 주었습니다.
