ІІ-діагностика хвороб тварин за медичними знімками
Клініка з трьома філіалами витрачає до двох годин на опис одного торакального знімка — радіолог перевантажений, черга на МРТ зростає. Ми впровадили AI-асистента для попереднього читання. Система навчена на тисячах розмічених ветеринарних знімків і здатна детектувати кардіомегалію, плевральний випіт, легеневі паттерни на торакальних рентгенограмах, а також артефакти на УЗІ черевної порожнини.
Ми використовуємо архітектури EfficientNet-B4, ResNet-50 та DenseNet-121 з fine-tuning на спеціалізованих датасетах. Результати порівнянні з експертною оцінкою ветеринарних радіологів. Наш досвід у комп'ютерному зорі — понад 15 проєктів у медичній та ветеринарній діагностиці. Впровадження такої системи окупається в середньому за 4–6 місяців за рахунок скорочення часу на прийом та зменшення кількості повторних візитів. Економія на оплаті роботи зовнішніх радіологів може бути значною.
Чому AI-діагностика захворювань тварин за знімками складна?
Відмінності від людської радіології: варіабельність анатомії між видами (кішка, собака, кролик, кінь, екзотика), розмірів (чіхуахуа vs німецький дог — маса тіла 1:60), проекцій (дорсовентральна замість антеропостеріорної). Навчена на людських знімках модель не переноситься напряму.
Основні види знімків:
- Рентгенограми (торакс, абдомен, скелет)
- УЗІ-знімки (абдомен, серце, щитоподібна залоза)
- МРТ/КТ (хребет, голова) — у великих клініках
Як AI-система діагностує захворювання тварин за знімками?
Найзатребуваніше завдання — оцінка тораксу собак і котів: кардіомегалія, плевральний випіт, пневмонія, пухлини.
Кардіомегалія — оцінюється через Vertebral Heart Score (VHS): сумарний розмір серця в хребцях. Регресійна модель передбачає VHS напряму. На датасеті 1 200 торакальних знімків (собаки): MAE = 0.31 хребця vs норма 9.7±0.5 для більшості порід. Порівнянно з міжекзаменаторською варіабельністю ветеринарів (0.4 хребця).
Плевральний випіт — візуально очевидна патологія (втрата чіткості діафрагмальних контурів), але в малих об'ємах пропускається. Бінарний класифікатор ResNet-50: AUC = 0.94 на тестовій вибірці.
Легеневі паттерни — бронхіальний, інтерстиціальний, альвеолярний паттерни вимагають multi-label класифікації (паттерни можуть поєднуватися). EfficientNet-B4 з multi-label head: micro F1 = 0.82 на 5 класах паттернів. EfficientNet-B4 кращий за ResNet-50 на цій задачі на 5% F1.
| Патологія | Модель (AUC/MAE) | Ветеринар (міжекспертна варіабельність) |
|---|---|---|
| Кардіомегалія (VHS) | MAE 0.31 хребця | 0.4 хребця |
| Плевральний випіт | AUC 0.94 | ~0.92 |
| Задача | Модель | Метрика | Час інференсу |
|---|---|---|---|
| Класифікація легеневих паттернів | EfficientNet-B4 | micro F1 0.82 | 45 мс |
| Детекція кардіомегалії | DenseNet-121 | AUC 0.88 | 30 мс |
Докладніше про датасети
- 1 200 торакальних знімків собак з розміткою VHS та патологій - 800 УЗІ-зображень черевної порожнини котів з розміткою артефактів - 200 МРТ хребта собак (грижі, компресії)Чому дані для ветеринарної CV — головна проблема?
Головна проблема ветеринарної CV — відсутність публічних датасетів, порівнянних із медичним масштабом. Стратегія:
- Партнерство з 2–5 клініками (500–2 000 розмічених випадків за 3–6 місяців)
- Transfer learning від ImageNet або медичних датасетів (ChestX-ray14) + fine-tuning на ветеринарних даних
- Синтетика: аугментація з реалістичними патологічними накладаннями на нормальні знімки
Transfer learning від людських торакальних знімків до собачих працює: попередньо навчений на ChestX-ray14 DenseNet-121 після fine-tuning на 800 собачих знімках дає AUC = 0.88 для кардіомегалії — краще, ніж навчання з нуля на тому ж об'ємі (AUC = 0.79).
Один із наших партнерів — мережа ветеринарних клінік — після впровадження системи скоротив середній час опису знімка з 40 до 12 хвилин. Це дозволило збільшити потік пацієнтів на 30% без найму додаткових радіологів.
Що входить у роботу
- Документація: опис архітектури, датасету, метрик та інструкція з розмітки
- Навчена модель з вагами та конфігурацією
- REST API для інтеграції в існуючу PACS або ВІС
- Скрипти для інференсу та приклади коду (Python, PyTorch)
- Гарантійна підтримка 3 місяці
- Навчання співробітників роботі з системою (2–4 години)
Терміни
Базова система для торакальних знімків (собаки/коти): 10–14 тижнів. Розширений модуль з УЗІ та кількома видами: 18–26 тижнів. Вартість розраховується індивідуально під обсяг даних та необхідний функціонал.
Зв'яжіться з нами для оцінки вашого проєкту. Ми гарантуємо прототип на ваших даних протягом 10 тижнів. Отримайте консультацію з адаптації моделі під ваші завдання.