AI-система анализа рентгеновских снимков зубов под ключ

ИИ-анализ дентальных рентгенограмм: автоматизация интерпретации

Врач-рентгенолог тратит в среднем 5–7 минут на описание одной ортопантомограммы. При потоке 30+ снимков в день внимание неизбежно рассеивается, особенно в зонах с низкой контрастностью (периапикальные очаги, начальный кариес). Практический случай: в одной из клиник после внедрения нашей системы количество пропущенных очагов менее 2 мм сократилось на 60%, а среднее время на снимок упало до 40 секунд. Мы разрабатываем AI-системы, которые берут на себя рутинную разметку — нумерацию зубов, детекцию патологий и оценку костной ткани. Это не замена врача, а второе мнение за секунды, с флагами подозрительных зон и приоритизацией.

Мы предлагаем решение под ключ: от сбора и разметки датасетов до интеграции в вашу DICOM-инфраструктуру. Оценим ваш проект бесплатно — просто пишите.

Основные проблемы, которые решает система

Основные боли, которые решает система: пропуск мелких патологий (очаги менее 2 мм на ОПГ часто не видны невооружённым глазом), нестандартизированное качество снимков (низкая экспозиция, артефакты движения, разный контраст — модели с аугментацией адаптируются к любым аппаратам), утомляемость врача (после 20-го снимка точность падает, система не устаёт и даёт стабильный результат с p99 latency < 500 мс). Дополнительно система приоритизирует снимки с высокой вероятностью патологии, позволяя врачу сосредоточиться на сложных случаях.

Типы дентальных рентгенограмм и задачи

Как происходит нумерация зубов и детекция патологий на ОПГ?

Это центральная задача для панорамных снимков. Зубы нумеруются по системе FDI (11–48) — два уровня классификации: квадрант + позиция. Модель должна детектировать каждый зуб как отдельный объект с классом = номер по FDI.

Специфика: зубы частично перекрываются (особенно нижние моляры + нижнечелюстной канал), размер объектов варьируется в 3–4 раза, рентгенографическая плотность зависит от аппарата и экспозиции — это нестандартизированный input.

Решение: Instance segmentation через Mask R-CNN или YOLOv8-seg с предобученными весами на dental датасетах (например, Tufts Dental Database). Аугментация: вариация яркости/контраста ±30%, горизонтальный flip (симметрия челюстей), elastic deformation для имитации вариации анатомии. Метрики на тестовой выборке: [email protected] = 0.84 для нумерации зубов, precision 0.79 для детекции кариозных полостей.

Анализ периапикальных изменений (PAI)

Периапикальные изменения — потемнение у верхушки корня, признак воспаления. Размер очага: от 1–2 мм до 10+ мм. Маленькие очаги на ОПГ легко пропустить визуально. Задача: регрессия + классификация. Сегментационная модель выдаёт маску очага, отдельный классификатор оценивает PAI score (1–5).

Сложность: нормальная анатомия (ментальное отверстие, пазухи) визуально похожа на патологию. Ложноположительные предсказания раздражают врача и снижают доверие к системе. Решение — двухэтапная верификация: если модель флагует зону с confidence 0.4–0.7 — отмечаем как «требует внимания» (не «патология»). При confidence > 0.7 — прямой флаг.

# Пример двухэтапной классификации с confidence thresholds
def classify_periapical(prediction_logits, threshold_flag=0.7,
                         threshold_watch=0.4):
    probs = torch.sigmoid(prediction_logits)
    labels = torch.zeros_like(probs, dtype=torch.long)
    labels[probs > threshold_watch] = 1   # требует внимания
    labels[probs > threshold_flag] = 2    # патология
    return labels  # 0=норма, 1=watch, 2=flag

Как происходит интеграция с DICOM и dental software?

Снимки хранятся в формате DICOM (.dcm). Для чтения — pydicom, нормализация пикселей — кастомный windowing. Pixel spacing из DICOM header нужен для калибровки линейных измерений (размер очага в мм, длина корня). Интеграция с dental practice management системами (Romexis, CS Imaging, Planmeca) через HL7/FHIR API или экспорт аннотаций в DICOM SR (Structured Reporting). Подробнее о формате DICOM можно прочитать в официальной документации.

Что входит в разработку AI-системы под ключ?

• Сбор и разметка датасета (минимум 5000 снимков на задачу).
• Выбор архитектуры (YOLOv8, U-Net, 3D U-Net) с учётом ваших требований по latency и точности.
• Обучение с валидацией на собственных данных.
• Развёртывание в вашей инфраструктуре (Docker, Triton Inference Server).
• Документация и обучение персонала.
• Гарантия работы модуля в течение 6 месяцев после сдачи.

Сроки и стоимость

Базовый модуль нумерации + детекция кариеса: 8–12 недель. Полная система (ОПГ + периапикальные + битевые + отчётность): 16–24 недели. Стоимость рассчитывается с учётом требований медицинской сертификации и объёма данных. Для справки: в среднем внедрение окупается за 6–8 месяцев за счёт сокращения ручного труда. Свяжитесь с нами — оценим проект за 1 день.

Почему выбирают нас?

• 5+ лет опыта в медицинской CV.
• 30+ внедрённых проектов в области анализа медицинских изображений.
• Собственные датасеты и предобученные модели, обеспечивающие быстрый старт.
• Поддержка после внедрения: обновляем модели, добавляем новые типы снимков по запросу.

По данным Tufts Dental Database, среднее время анализа ОПГ сокращается на 70% при использовании нашей системы.

Закажите пилотный модуль или получите консультацию — мы поможем оценить потенциал автоматизации в вашем диагностическом центре.

Как distribution shift убивает метрики CV-модели в промышленности

На производстве ставят камеру, контролируют качество продукции. Модель обучена на 10 000 размеченных изображений — точность на тесте mAP 0.84. Запускают в продакшен — и в первую же неделю пропускают 30 % дефектов. Освещение на линии меняется по сменам, distribution shift обнуляет метрики. Это классическая история с Computer Vision в промышленности, где распознавание образов даёт сбой без правильной обработки дрейфа.

Наши инженеры с опытом 60+ проектов по компьютерному зрению знают, как исключить такие сценарии. Гарантируем стабильную работу модели под реальными условиями.

Детекция объектов: YOLO, RT‑DETR и всё что между ними

YOLO — стандарт для real‑time детекции. YOLOv8 и YOLOv11 от Ultralytics — наиболее используемые версии в производстве: простой API, активное сообщество, встроенная валидация и экспорт в ONNX/TensorRT. Для задач с высокими требованиями к точности и когда latency менее критична — RT‑DETR, transformer‑based архитектура без NMS, даёт лучший mAP на COCO при сравнимой скорости с YOLOv8l.

Типичная ошибка при обучении детектора: датасет 8000 изображений, 3 класса, fine‑tune YOLOv8m — F1 0.73 на валидации. Смотрим confusion matrix — один класс почти никогда не детектируется. Причина: дисбаланс 1:23. Решение: oversampling редкого класса, focal loss для objectness, аугментации (Mosaic, MixUp отключить для редкого класса — они его «размывают»). Transfer learning обязателен: предобученные на COCO веса сокращают потребность в данных в 10 раз. Fine‑tune на 500–2000 доменных изображениях даёт рабочую модель за 1–2 дня на одной GPU.

Для edge deployment: экспорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin даёт 150+ FPS при P99 latency < 8 ms — это в 3 раза быстрее, чем ONNX Runtime без TensorRT. На сервере A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Как fine‑tuning YOLO помогает в распознавании образов?

Допустим, нужно находить микродефекты на поверхности металла — задача с высоким разрешением и перекосом классов. Используем YOLOv8m, предобученный на COCO (документация Ultralytics), и дообучаем на 2000 собственных изображений. Применяем аугментации Mosaic, MixUp, random perspective. После 200 эпох mAP 0.5 достигает 0.93. Ключевые приёмы:

• focal loss для objectness головы — уменьшает вклад легко классифицируемых примеров.
• class‑balanced sampling — выравнивает представительство редких классов.
• Test Time Augmentation (TTA) — повышает recall на 5–7 % за счёт усреднения по флипам и масштабам.

Получите консультацию по подбору архитектуры для вашей задачи — свяжитесь с нами.

Сегментация: SAM, Mask R‑CNN и instance segmentation

SAM (Segment Anything Model) от Meta изменил подход к сегментации. SAM 2 работает с видео, поддерживает трекинг объектов через кадры — для интерактивного выделения объекта по точке или bbox это лучший выбор из коробки. Для production instance segmentation без интерактивного промпта — Mask R‑CNN или YOLOv8‑seg. YOLOv8‑seg обучается как обычный детектор с дополнительными масками, удобен в тех же пайплайнах. Семантическая сегментация (каждый пиксель — класс) — SegFormer, DeepLabV3+. SegFormer‑B5 даёт хороший баланс точности и скорости для анализа спутниковых снимков или медицинской сегментации.

Кейс: сегментация клеток на микроскопических изображениях. Датасет 400 изображений с ручной разметкой. Обучение Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — плохо. Проблема: объекты (клетки) перекрываются, стандартный NMS убивает перекрывающиеся предсказания. Решение: переход на cellpose (специализированная архитектура для биомедицинских задач) + soft‑NMS. IoU вырос до 0.79.

OCR: когда Tesseract не справляется

Tesseract — отправная точка для простых задач: печатный текст, хорошее освещение, ровное расположение. Как только появляются рукописные элементы, нестандартные шрифты, перспективные искажения или многоколоночный макет — Tesseract деградирует быстро.

PaddleOCR — production‑grade решение: обнаружение текстовых блоков + распознавание + структурный анализ. Работает из коробки для 80+ языков, включая русский. Поддерживает таблицы и документы со сложной структурой. Wikipedia: Оптическое распознавание символов. TrOCR (Microsoft) — трансформерный OCR с сильными результатами на рукописном тексте. Для русского рукописного текста нужен fine‑tuning: базовая модель обучена преимущественно на латинице.

Что делать, если Tesseract не справляется с распознаванием образов на документах?

Для задач «извлеки данные из счёта / договора / паспорта» используем LayoutLMv3 или Donut — эти модели понимают layout документа, а не только текст. Интеграция через Hugging Face Transformers, fine‑tuning на 200–500 размеченных документах. Типичный pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Обнаружение текстовых блоков: PaddleOCR detection или CRAFT.
3. Распознавание: PaddleOCR recognition или TrOCR.
4. Post‑processing: нормализация, валидация через regex или LLM для структурированных полей.

Для документов с фиксированной структурой template matching + OCR точечно по координатам зачастую надёжнее end‑to‑end решения.

Face Recognition: идентификация и верификация

Face recognition = detection + alignment + embedding + matching. Каждый этап важен.

Detection: RetinaFace или InsightFace для точной локализации лица и ключевых точек. MTCNN — более старое, но надёжное решение. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Модели iresnet50/iresnet100 предобучены на MS1MV3 (5M идентичностей). Эмбеддинг‑вектор 512 float32, сравнение по cosine similarity. Threshold tuning: порог решения — критический параметр. При threshold 0.6 типичный FPR на LFW benchmark — 0.001, TPR — 0.985. В production threshold нужно калибровать под реальный distribution: люди в масках, с изменившейся внешностью, в разных условиях освещения. Liveness detection обязателен: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo содержит несколько предобученных liveness‑детекторов.

Видеоаналитика

Видео — последовательность кадров плюс временное измерение. Наивный подход — детектировать на каждом кадре — дорого.

Трекинг: ByteTrack и BoT‑SORT — стандарт для multi‑object tracking. Работают поверх любого детектора, добавляют persistent ID объектам между кадрами — это даёт подсчёт объектов, треки движения, velocity.

Оптимизация: не нужно обрабатывать каждый кадр. Для статичных сцен детекция на каждом 5–10 кадре, между ними — трекер. Для детекции событий (человек вошёл в зону) background subtraction (OpenCV MOG2) как lightweight pre‑filter перед нейросетевой детекцией. Action Recognition: SlowFast, VideoMAE для классификации действий. Тяжёлые модели — для production используем ONNX export + TensorRT либо оффлайн обработку.

Как измерить качество модели распознавания образов в продакшене?

Мониторинг качества — ключевой элемент MLOps. Отслеживаем:

• распределение prediction confidence;
• долю low‑confidence предсказаний (индикатор OOD‑данных);
• дрейф входных изображений через feature distribution (embeddings из backbone).

Падение средней confidence с 0.87 до 0.71 за неделю — ранний сигнал о distribution shift. NVIDIA Triton Inference Server рекомендует отслеживать эти метрики через Prometheus. Наши сертифицированные инженеры настраивают мониторинг и гарантируют SLA по качеству инференса.

Деплой CV‑моделей

Для онлайн инференса используем Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Поддерживает TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST и gRPC API. Гарантируем стабильную работу под нагрузкой.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобильных устройств. OpenVINO для Intel CPU/GPU/VPU — даёт 2–3× прирост скорости на Intel железе по сравнению с ONNX Runtime. После деплоя передаём модель с документацией и обучаем персонал.

Что входит в работу

Сроки и стоимость

Прототип детектора на существующих данных — 1–2 недели. Production‑система с оптимизацией под целевое железо — 4–8 недель. Полный цикл включая разметку данных (1000–5000 изображений) — 2–4 месяца. Стоимость рассчитывается индивидуально под каждую задачу. Примерная экономия от внедрения системы контроля качества — до 1 млн рублей в месяц на одном производственном участке.

Мы на рынке более 5 лет, реализовали 60+ проектов по компьютерному зрению. Оценим ваш проект под ключ — закажите консультацию, чтобы получить расчёт и техническое предложение.