고정밀 의료 영상 주석을 활용한 AI 기반 대변 분석 속도 향상
Shaip이 의료 AI 팀이 대변 이미지 분석, 스마트 변기 및 건강 모니터링을 위한 컴퓨터 비전 모델을 정확한 이미지 주석을 통해 구축하도록 지원하는 방법을 알아보세요.
사업 개요
자동 대변 분석을 위한 AI 모델을 구축하려면 이미지 수집만으로는 부족합니다. 대변의 모양, 배변 장소, 장면 수준의 속성을 정확하게 포착하는 일관성 있고 임상적으로 관련성 높은 라벨링이 필수적입니다.
의뢰인은 Shaip과 협력하여 실제 화장실 환경에서 촬영한 대변 이미지가 포함된 대규모 이미지에 주석을 달았습니다. 이 프로젝트는 다각형 기반 대변 주석, 변기 경계 상자 생성, 분류 기반 관심 영역(AOI) 라벨링을 결합한 다층 라벨링 전략을 필요로 했습니다.
궁극적인 목표는 대변 감지, 브리스톨 대변 분류, 배뇨 상황 인식 및 향후 소화기 건강 관련 정보를 위한 컴퓨터 비전 모델을 지원하는 견고한 훈련 데이터 세트를 구축하는 것입니다.
주요 통계
최종 사용
AI 기반 대변 분석으로 의료 및 소화기내과 진료에 활용하기
데이터 양
700,000+ 이미지
AOI 분류 체계
10개의 분류 레이블
프로젝트 일정
2023년 11월부터 진행 중
도전
- 조명, 화장실 환경, 이미지 구성 등 다양한 조건에도 불구하고 대변 객체가 좁은 다각형 경계로 분할되도록 했습니다.
- 방문 수준 논리를 각 방문에서 첫 번째 유효한 이미지에만 적용하면서 유역 경계 상자 레이블링을 표준화합니다.
- 대변, 소변, 배뇨, 변기 물 내림, 화장지, 브리스톨 번호 등 다양한 라벨에 걸쳐 다중 클래스 AOI 라벨링 워크플로우를 관리합니다.
- 700,000만 개가 넘는 방대한 이미지 볼륨에서 일관성과 처리량을 유지합니다.
- 주석 품질이 후속 모델 정확도에 직접적인 영향을 미치는 의료 분야 AI 활용 사례를 지원합니다.
해법
샤이프는 프로젝트의 기술적 요구 사항에 맞춰 철도에 특화된 주석 워크플로우를 설계했습니다.
데이터 전략
이미지 파이프라인을 통합하여 여러 모델 목표를 지원하기 위해 분할, 객체 위치 파악 및 분류를 결합한 구조화된 주석 프레임워크를 정의했습니다.
대변 주석
정밀한 다각형 마스크를 사용하여 보이는 변기 조각들을 주석 처리하고, 각 변기 조각의 가장자리 디테일, 모양 및 질감을 보존하기 위해 각 조각 주변을 촘촘하게 따라 그렸습니다.
유역 경계 상자
수위 분할 대신 경계 상자를 사용하여 변기 영역을 표시했습니다. 경계 상자는 이미지가 무시 또는 색상으로 표시된 경우를 제외하고 각 방문의 첫 번째 이미지에만 적용되었습니다.
AOI 라벨링
이미지를 비화장실, 무시, 비어 있음, 화장지, 물 내림, 소변, 배뇨, 대변, 화장실 비누 및 브리스톨 번호 등 통제된 분류 체계로 분류했습니다.
품질 보증:
배치 승인 기준인 95%를 충족하도록 설계된 검토 워크플로를 적용했으며, 품질 검사는 주석의 정확성, 올바른 클래스 할당 및 방문 수준 라벨링 규칙에 중점을 두었습니다.
AI 활성화
자동화된 대변 분석, 소화 건강 모니터링 및 향후 스마트 헬스 애플리케이션을 위한 분할, 객체 탐지 및 분류 파이프라인을 지원하도록 출력 데이터 세트를 구성했습니다.
프로젝트 범위
| 데이터셋/작업 유형 | 주석 방법 | 핵심 규칙 | AI 값 |
|---|---|---|---|
| 대변 이미지 | 다각형 주석 | 의자의 보이는 가장자리를 따라 꼼꼼하게 주석을 달아주세요. | 대변 분할 및 형태 분석을 지원합니다. |
| 변기 | 경계 상자 | 방문 시 첫 번째 유효한 이미지에만 표시하십시오. | 모델이 유역의 맥락과 장면 구성을 학습하는 데 도움이 됩니다. |
| AOI 레이블 | 분류 전용 | 객체 주석 없이 올바른 장면/이벤트 레이블을 적용합니다. | 장면 이해 및 이벤트 분류를 가능하게 합니다. |
결과
- 구조화된 어노테이션 파이프라인을 구축했습니다. 700,000만 개 이상의 의료 관련 이미지
- 표준화 3가지 서로 다른 워크플로 분할, 위치 파악 및 분류를 위해
- AI 학습을 활성화했습니다. 자동 대변 감지 및 브리스톨 척도 관련 분류
- 모델 개발을 지원합니다. 위장관 분석, 수분 상태 및 질병 예측 워크플로우
- 확장 가능한 데이터 기반을 구축했습니다. 배치 합격률 95% 목표
샤이프는 대용량 데이터 전송과 정밀한 의료 영상 라벨링 로직을 결합하여 고객이 원시 이미지 캡처에서 차세대 자동 대변 분석을 위한 생산 준비 데이터 기반으로 전환할 수 있도록 지원했습니다. 이 프로젝트는 향후 소화기 건강 모니터링 및 예방 관리 애플리케이션 분야에서 AI 개발을 확장하는 데 필요한 구조를 구축했습니다.
Shaip은 고도로 전문화된 의료 AI 프로젝트에 필요한 정밀한 주석 처리 능력과 운영 규모를 제공했습니다. 복잡한 대변 분할, 배변 부위 위치 파악, 그리고 관심 영역(AOI) 분류를 대량으로 처리하는 그들의 능력은 모델 개발을 위한 견고한 기반을 마련해 주었습니다.
