AI-система диагностики заболеваний животных по снимкам

ИИ-диагностика болезней животных по медицинским снимкам

Клиника с тремя филиалами тратит до двух часов на описание одного торакального снимка — радиолог перегружен, очередь на МРТ растёт. Мы внедрили AI-ассистента для предварительного чтения. Система обучена на тысячах размеченных ветеринарных снимков и способна детектировать кардиомегалию, плевральный выпот, лёгочные паттерны на торакальных рентгенограммах, а также артефакты на УЗИ брюшной полости.

Мы используем архитектуры EfficientNet-B4, ResNet-50 и DenseNet-121 с fine-tuning на специализированных датасетах. Результаты сопоставимы с экспертной оценкой ветеринарных радиологов. Наш опыт в компьютерном зрении — более 15 проектов в медицинской и ветеринарной диагностике. Внедрение такой системы окупается в среднем за 4–6 месяцев за счёт сокращения времени на приём и уменьшения числа повторных визитов. Экономия на оплате работы внешних радиологов может достигать 50 000 руб./мес. на одну клинику.

Почему AI-диагностика заболеваний животных по снимкам сложна?

Отличия от человеческой радиологии: вариабельность анатомии между видами (кошка, собака, кролик, лошадь, экзотика), размеров (чихуахуа vs немецкий дог — масса тела 1:60), проекций (дорсовентральная вместо антеропостериорной). Обученная на человеческих снимках модель не переносится напрямую.

Основные виды снимков:

• Рентгенограммы (торакс, абдомен, скелет)
• УЗИ-снимки (абдомен, сердце, щитовидная железа)
• МРТ/КТ (позвоночник, голова) — в крупных клиниках

Как AI-система диагностирует заболевания животных по снимкам?

Самая востребованная задача — оценка торакса собак и кошек: кардиомегалия, плевральный выпот, пневмония, опухоли.

Кардиомегалия — оценивается через Vertebral Heart Score (VHS): суммарный размер сердца в позвонках. Регрессионная модель предсказывает VHS напрямую. На датасете 1 200 торакальных снимков (собаки): MAE = 0.31 позвонка vs норма 9.7±0.5 для большинства пород. Сравнимо с межэкзаменаторской вариабельностью ветеринаров (0.4 позвонка).

Плевральный выпот — визуально очевидная патология (потеря чёткости диафрагмальных контуров), но в малых объёмах пропускается. Бинарный классификатор ResNet-50: AUC = 0.94 на тестовой выборке.

Лёгочные паттерны — бронхиальный, интерстициальный, альвеолярный паттерны требуют multi-label классификации (паттерны могут сочетаться). EfficientNet-B4 с multi-label head: micro F1 = 0.82 на 5 классах паттернов. EfficientNet-B4 лучше ResNet-50 на этой задаче на 5% F1.

Почему данные для ветеринарной CV — главная проблема?

Главная проблема ветеринарной CV — отсутствие публичных датасетов сравнимого с медицинским масштаба. Стратегия:

1. Партнёрство с 2–5 клиниками (500–2 000 размеченных случаев за 3–6 месяцев)
2. Transfer learning от ImageNet или медицинских датасетов (ChestX-ray14) + fine-tuning на ветеринарных данных
3. Синтетика: аугментация с реалистичными патологическими наложениями на нормальные снимки

Transfer learning от человеческих торакальных снимков к собачьим работает: предобученный на ChestX-ray14 DenseNet-121 после fine-tuning на 800 собачьих снимках даёт AUC = 0.88 для кардиомегалии — лучше, чем обучение с нуля на том же объёме (AUC = 0.79).

Один из наших партнёров — сеть ветеринарных клиник — после внедрения системы сократил среднее время описания снимка с 40 до 12 минут. Это позволило увеличить поток пациентов на 30% без найма дополнительных радиологов.

Что входит в работу

• Документация: описание архитектуры, датасета, метрик и инструкция по разметке
• Обученная модель с весами и конфигурацией
• REST API для интеграции в существующую PACS или ВИС
• Скрипты для инференса и примеры кода (Python, PyTorch)
• Гарантийная поддержка 3 месяца
• Обучение сотрудников работе с системой (2–4 часа)

Сроки

Базовая система для торакальных снимков (собаки/кошки): 10–14 недель. Расширенный модуль с УЗИ и несколькими видами: 18–26 недель. Стоимость рассчитывается индивидуально под объём данных и требуемый функционал.

Свяжитесь с нами для оценки вашего проекта. Мы гарантируем прототип на ваших данных в течение 10 недель. Получите консультацию по адаптации модели под ваши задачи.

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.