ИИ‑Стоматолог

[ToxaBes]

Хорошая работа, самое главное из статьи:

В процессе эксперимента выяснилось, что главная проблема была не в выборе модели и не в мощности видеокарты. В датасете оказались изображения, которые вообще не должны были участвовать в обучении.

Качественный (пусть не большой) датасет это буквально 50% успешного обучения модели.

[X_ray_ml]

Качественный (пусть не большой) датасет это буквально 50% успешного обучения модели. Вы правы на миллион процентов

[bkisonka]

Интересная работа. Была такая же у меня, только совместно с панорамными снимками там изучались и панорамные реформаты из CBCT (КТ). Превратить CBCT в адекватную панораму в автоматическом режиме, тот ещё квест, особенно учитывая изменчивость анатомии зубной дуги с возрастом. И да, для ассистента врача всё упирается в качественную модель распознавания патологии. С моделью есть нюанс - если использовать её на другом домене снимков, отличном от того, на котором проводилось обучение, то результаты начинают плавать. То есть модель обученная на панорамах будет врать на панорамных реформатах. Как Вы собираетесь решить проблему зависимости от домена?

[X_ray_ml]

Здравствуйте, пока продукт рассчитан на переднюю проекцию челюсти рентгенография.Для других видов исследования надо менять модель и датасет текущая модель YOLO-26n плохо подойдёт для этого. Спасибо вам, за конструктивный отзыв(Для КТ наверное больше подойдёт 3D U-Net или nnU-Net)