Задача №9

Веб-платформа для разметки медицинских изображений и генерации диагностических исследований на основе размеченных патологий

Вернуться на главную

Призовой фонд Премии Мэра Москвы

1 место:

1 000 000₽

2 место:

600 000₽

3 место:

400 000₽

Актуальность:

Цифровизация лучевой диагностики и активное внедрение алгоритмов ИИ нуждаются в качественно размеченных наборах данных. Как правило, процесс разметки медицинских изображений требует больших трудозатрат. Для ускорения подготовки наборов размеченных изображений необходимо применение инструментов полу- и автоматической маркировки, а для устранения дисбаланса классов – аугментации данных (в том числе генерации диагностических исследований).

Полученные наборы данных могут использоваться разработчиками алгоритмов ИИ, а также медицинскими образовательными учреждениями и центрами повышения квалификации врачей.

Данная платформа станет востребованным образовательным инструментом для врачей как московских, так и региональных клиник, а также позволит создать уникальный набор данных для тестирования решений, применяющих технологии ИИ, и повысит качество работы алгоритмов медицинской диагностики.

Описание:

Разработайте сервис, который позволит:

1. Осуществлять разметку компьютерной томографии органов грудной клетки с возможностью масштабирования на другие модальности и типы исследований.

2. Генерировать исследования с патологическими изменениями в формате DICOM (для модальностей, для которых реализована разметка)

Победители:

1 место

FutureOfMedTech

Москва, Санкт-Петербург, Батуми

Команда: Максим Кирилюк, Василий Ганжа, Никита Дильман, Балаи Михеева

Решение: Команда разработала платформу, для хранения, обработки и просмотра DICOM-изображений. Также ребята создали систему менеджмента с возможностью разделения прав: обычный врач-разметчик и более квалифицированный врач, который следит за прогрессом и помогает в разметке сложных областей. Платформа поддерживает 3 модальности: КТ, РГ, МРТ, имеет суммарно 11 инструментов по манипуляции изображением и его разметке и 1 инструмент-прототип, а также генерацию снимка с COVID-19 и других патологий с возможностью регулирования размера и положения очага поражения, а также количества этих очагов.

2 место

Brains on remote

Красноярск, Омск

Команда: Полина Скуратова, Максим Лепьявко, Сергей Стопкин, Владимир Песоцкий, Алексей Шевченко

Решение: Многопользовательское веб-приложение содержит модуль «Разметка», который поддерживает 20 инструментов работы с файлами стандартного формата изображения в медицинской промышленности, позволяет работать со слоями разметки сразу нескольким врачам. Модуль «Генерация» работает с тремя видами патологий и может подготовить авторазметку для сгенерированного исследования, которую впоследствии можно использовать для задач машинного обучения.

3 место

Foxhound

Москва

Команда: Антон Петров, Антон Недогарок, Сергей Зеленовский, Сергей Петрин, Денис Пахомов

Решение: Проект FoxMed – веб-приложение, которое позволит врачу либо специалисту по машинному обучению просмотреть и разметить файлы стандартного формата изображения в медицинской промышленности. Приложение дорабатывает существующую диагностическую систему, добавляя новые алгоритмы поиска признака заболевания при сканировании изображения. Эта доработка позволит повысить скорость и точность диагностики опасных заболеваний.