Сервис автоматически оценивает признаки эмфиземы на КТ ОГК.
Разработка сервиса была начата в 2020 году, компанией ООО "Интеллоджик".
Лицензионные права принадлежат ООО "Интеллоджик".
Информация о плюсах использования Сервиса:
позволяет определить объем поражения легких.
Патологии, с которыми работает сервис: Эмфизема легких
Назначение Сервиса:
выявление исследований с признаками эмфиземы.
Оценка безопасности и эффективности:
Сервис напрямую не влияет на жизнь и здоровье пациента.
Параметр | Валидация поставщика сервиса | Валидация НПКЦ на эталонном наборе данных |
---|---|---|
Патология | Эмфизема легких | Эмфизема легких |
Площадь под ROC-кривой (AUC) | 0,87 | 0,68 (0,59-0,76) |
Чувствительность | 0,81 | 0,34 (0,2-0,49) |
Специфичность | 0,81 | 1,0 (1,0-1,0) |
Точность | 0,8 | 0,7 (0,61-0,79) |
Длительность анализа 1 исследования, мин | До 6,5 минут | 1,58±0,67 |
Четырехпольная таблица сопоставления результатов индекс- и референс-теста (ИО) | ||
Четырехпольная таблица сопоставления результатов индекс- и референс-теста (ИЛ) | ||
Четырехпольная таблица сопоставления результатов индекс- и референс-теста (ЛО) | ||
Четырехпольная таблица сопоставления результатов индекс- и референс-теста (ЛП) | ||
Характеристическая ROC - кривая | ||
Претестовая вероятность | ||
Тестовый набор данных | ||
URL-адрес/DOI с описанием тестового набора данных |
Информация о рисках применения Сервиса:
Ограничения использования Сервиса:
Демографические: Персональные: Технические:
Причины, требующие прекращения использования Сервиса:
2020
• Deep Learning on Point Clouds for False Positive Reduction at Nodule Detection in Chest CT Scans
Drokin I., Ericheva E.
В работе рассмотрено представление узлов на КТ грудной клетки как облако точек, что позволило использовать соответствующий класс моделей и привело к SOTA результатам на LIDC-IDRI.
Работа принята на AIST 2020, взяла Best paper award в треке.
2019
• Опыт разработки и внедрения системы поиска онкологических образований с помощью искусственного интеллекта на примере рентгеновской компьютерной томографии легких
И.С. Дрокин, Е.В. Еричева, О.Л. Бухвалов, П.С. Пилюс, Т.С. Малыгина, В.Е. Синицын // Врач и информационные технологии. - 2019. - №3.
• GANs’N Lungs: improving pneumonia prediction
Malygina, T., Ericheva E., Drokin I.
• Data Augmentation with GAN: Improving Chest X-Ray Pathologies Prediction on Class-Imbalanced Cases
Malygina, T., Ericheva E., Drokin I.
2018
• A Model-Free Comorbidities-Based Events Prediction in ICU Unit
Malygina, T., Drokin I.