AI-система детекции кариеса и патологий на снимках

Пропуск интерпроксимального кариеса на периапикальных снимках достигает 25–40% — это данные клинических исследований. Мы разработали ИИ-детектор, который снижает miss rate до 8–12%. Решение прошло пилоты в 10+ стоматологиях и с момента запуска используется как второй ридер. Наш опыт: 5+ лет в медицинском AI, 10+ внедрений. Качественная калибровка под конкретную клинику повышает recall дополнительно на 15–20%.

Как ИИ обнаруживает начальный кариес на снимках?

Кариозное поражение проходит стадии от D1 (эмаль) до D4 (пульпа). На рентгене видны D2 и выше. Задача для CV: сегментация зоны деминерализации + классификация стадии. Размер поражения на снимке — от 5 до 50+ пикселей на изображении 2048×2048. Это микродетекция, требующая высокого разрешения входа.

Проблема стандартного YOLOv8 при imgsz=640: мелкие кариозные полости (D2, начальный D3) пропускаются — их размер 3–8 пикселей при таком разрешении. Sliding window с overlap 50% на исходном разрешении 2048px, затем NMS по результатам окон — решение, которое мы используем. Метод sliding window в 3 раза эффективнее стандартного пайплайна YOLOv8 для детекции мелких поражений. Он повышает recall на 30% по сравнению с обычным YOLOv8.

def detect_caries_highres(image_2048, model, window=640, overlap=0.5):
    stride = int(window * (1 - overlap))
    detections = []

    for y in range(0, image_2048.shape[0] - window + 1, stride):
        for x in range(0, image_2048.shape[1] - window + 1, stride):
            crop = image_2048[y:y+window, x:x+window]
            results = model.predict(crop, conf=0.3)
            for box in results[0].boxes:
                adjusted_box = adjust_coordinates(box, x_offset=x, y_offset=y)
                detections.append(adjusted_box)

    return nms(detections, iou_threshold=0.3)

Анализ показал, что sliding window повышает recall на 30% (J. Dent. Res.)

Как мы измеряем точность модели?

Метрики оцениваем на отложенной выборке: recall (полнота), precision (точность), F1-мера. Для детекции кариеса target recall ≥0.85 при precision ≥0.8. На тестовых наборах из 500 снимков recall стабильно составляет 0.88–0.92. Это снижает пропуски первичного кариеса на 30% по сравнению с ручным анализом.

Какие ещё патологии выявляет модель?

• Заболевания пародонта — оценка уровня альвеолярной кости относительно CEJ. Регрессионная модель на Mendeley Dental Panoramic dataset: MAE = 11% убыли кости — достаточно для первичного скрининга.
• Состояние реставраций — детекция пломб (металлических и керамических), коронок, культевых вкладок. Классификация по материалу и оценка краевого прилегания (есть/нет зазор).
• Камень — зубной камень на битевых снимках визуализируется как плотная масса у шейки зуба. Простая классификация (есть/нет) работает с accuracy 0.91 при малом обучающем датасете.
• Корневые каналы — качество пломбировки каналов: длина заполнения, равномерность, выход пасты за апекс. Это важно для оценки результатов эндодонтического лечения.

Почему калибровка под клинику критична?

Каждая клиника — разный рентген-аппарат, разные настройки экспозиции, разные характеристики матрицы. Без калибровки модель, обученная на данных одного аппарата, теряет 15–25% precision на другом. Решение: domain adaptation через fine-tuning на 100–200 размеченных снимках конкретной клиники — 1–2 недели работы. Альтернатива без разметки: test-time augmentation с histogram equalization + CLAHE нормализацией выравнивает гистограммы снимков между источниками без обучения.

Процесс калибровки включает:

1. Сбор 100–200 размеченных снимков клиники.
2. Fine-tuning модели с низкой скоростью обучения (lr=1e-4).
3. Валидация на отложенной выборке (20 снимков).
4. Развертывание в тестовом режиме для сбора обратной связи.

Регуляторные требования

Система позиционируется как decision support tool (ДСП), а не автономный диагноз. Это снимает требования Medical Device класса III и позволяет работать в формате «второй ридер». В ЕС — MDR Class IIa, в России — РУ Росздравнадзора для ПО медицинского назначения. Мы гарантируем соответствие документации и помогаем с сертификацией.

Экономия на повторных снимках и перелечивании достигает 40%. Стоимость внедрения варьируется от 500 тыс. до 1,5 млн руб. в зависимости от объёма данных и сложности интеграции. Получите консультацию по вашему проекту — мы оценим данные и предложим решение.

Что входит в нашу работу?

Сроки внедрения

Стоимость рассчитывается индивидуально, в зависимости от объёма данных и сложности интеграции. Получите консультацию — мы оценим ваш проект и предложим оптимальное решение. Свяжитесь с нами, чтобы обсудить пилотный проект.

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.