Справочная информация
Идея проекта возникла во время встречи между нашими товарищами по проекту, Тануджем, Анвешем и мной, основная цель заключалась в том, чтобы провести мозговой штурм по поводу идеи, которая могла бы служить следующим идеалам, которые мы имели в виду, включая:
1) Должен решить социальную проблему.
2) Должен быть в состоянии приносить доход как бизнес.
3) Технологии, используемые в проекте, должны быть в пределах нашего горизонта.
4) Должен быть расширяемым, объем проекта не должен быть ограничен.
Во время этой сессии пришло много быстрых идей, таких как создание платформы электронной коммерции для продуктов «Сделано в Индии», создание платформы цифровых платежей для телефонов Feature, а третья - онлайн-обнаружение пневмонии с использованием компьютерного зрения.
Причина
Разные причины для всех в соответствии с нашими интересами.
Танудж: Он стремился изучить все возможные варианты, прежде чем запереться в одной конкретной области, поэтому ему это показалось одноразовым вариантом. В предыдущем семестре он попробовал заняться практической разработкой приложений, машинным обучением, но они не смогли принести ему желаемого удовлетворения.
Тарун: Он выбрал этот проект, потому что он дал мне что-то сложное и потому что он всегда хотел исследовать поле и интерфейс через среду Python и Flask, поэтому это казалось прекрасной возможностью для этого.
Анвеш: Он выбрал этот проект, потому что он дает ему прекрасную возможность поработать над машинным обучением и развернуть модели, которые выступают в качестве основной составляющей проекта, это также было проблемой для него, поскольку он участвовал в различных технологиях, таких как разработка приложений. , бэкэнд, но ничего подобного.
Проблема
В настоящее время мир имеет дело с вирусом, о котором никто раньше не слышал и не видел. В таких ситуациях можно было очень мало времени терять зря. Вместо того, чтобы врачам приходилось тратить время на самостоятельный анализ рентгеновских лучей, мы предложили платформу, которая делает это за них в кратчайшие сроки и сохраняет результаты, чтобы предоставить им удобство, чтобы проверить их позже и сразу же порекомендовать, следует ли применять карантинные меры. конкретный человек или нет.
В идеальном мире мы бы использовали набор данных, содержащий рентгеновские снимки грудной клетки людей, у которых был положительный или отрицательный результат теста на COVID19, но объем доступных данных не идеален и может привести к переобучению, поэтому мы решили использовать набор данных с рентгеновскими снимками людей, у которых был положительный или отрицательный результат теста на пневмонию.
Поставленное решение
Окончательное решение включает обнаружение пневмонии с помощью рентгеновских снимков грудной клетки людей, у которых были положительные и отрицательные результаты тестов на пневмонию с помощью методов компьютерного зрения. Мы использовали обучающие данные, которые содержали около 4000 изображений, каждое из которых составляло 600 проверочных и тестовых изображений. В зависимости от времени вычислений мы развернули несколько сокращенных моделей в веб-приложении Flask, чтобы минимизировать вероятность получения неверных прогнозов. Обрезка моделей уменьшила размер модели за счет удаления параметров, которые практически не влияют на наши прогнозы.
Пользовательский интерфейс
Веб-сайт больше ориентирован на выполнение задач, поэтому мы разработали его таким образом, чтобы для работы требовалось как можно меньше щелчков мышью, для этого мы создали несколько макетов веб-сайта и позволили некоторым испытуемым попробовать его, не уведомляя их ни о чем, и они очень легко справлялись со своей задачей.
Общее впечатление на веб-сайте было достигнуто за счет сохранения той же цветовой палитры, шрифтов и общего дизайна. Он обеспечивает адекватную обратную связь, чтобы пользователь был уверен, были ли его действия выполнены или нет. Он также использует простой и естественный диалог, позволяющий пользователю видеть только релевантную информацию, которая необходима для выполнения задачи.
Мы постарались уберечь дизайн от лишнего, используя интуитивно понятные символы вместо ненужного текста.
Инновации
- Обработка нескольких моделей с высокой точностью и приоритетом для получения меньшего количества ложноотрицательных результатов. Получение меньшего количества ложноотрицательных результатов важно, потому что, если мы неправильно диагностируем у человека пневмонию, поскольку у человека ее нет, это может привести к серьезным последствиям, возможно, даже к возникновению эффекта бабочки. По сравнению с ложноотрицательными результатами, ложные срабатывания не так плохи, потому что, если мы диагностируем пневмонию у кого-то, у кого нет пневмонии, общий эффект не так плох. В любом случае, хорошая точность по-прежнему важна.
- Модели глубокого обучения и особенно модели компьютерного зрения велики из-за включенных в них параметров. Развернуть их на платформах с меньшими ресурсами может быть сложно. Чтобы решить эту проблему, мы будем обрезать модели перед их развертыванием. Это удалит незначительные веса из нейронной сети, что приведет к уменьшению размера нейронной сети, что облегчит нашу задачу по развертыванию модели.
- Нашим последним нововведением будет развертывание нескольких моделей вместо одной. Ранее упомянутое нововведение играет в этом важную роль, поскольку развертывание нескольких моделей может быть дорогостоящим в вычислительном отношении. Развертывание нескольких моделей повысит точность данных, которые мы никогда раньше не видели.
Ресурсы для проекта
В проекте будут использоваться следующие ресурсы:
Программное обеспечение - Git для управления версиями, Python для внутреннего проектирования и создания модели, HTML, CSS и JavaScript для внешнего дизайна, Adobe XD для дизайна UI / UX.
Аппаратное обеспечение - NVIDIA GPU для обучения модели
Набор данных - набор изображений рентгеновских лучей легких.
Фреймворки - Tensor Flow 2 для глубокого обучения, Flask для веб-дизайна.
Заключение
Проект был успешно реализован, и ожидалось, что он принесет радикальные и фундаментальные изменения в области медицины. Качество, обеспечиваемое проектом, будет зависеть от ощущения UI / UX нашего интерфейса и точности, с которой будет работать наша модель. Услуги, предлагаемые врачам и медицинским работникам, будут очень простыми и эффективными.