По материалам www.asmag.com, 01/10/20
Здравоохранение – одна из сфер, где использование интеллектуального видеоанализа наиболее востребовано. AI-системы видеонаблюдения в медицинских учреждениях помогают повысить безопасность и обеспечить своевременную детекцию положения пациентов (лежит/идет или упал), когда каждая секунда критически важна.
Системы видеоанализа, оснащенные алгоритмами искусственного интеллекта, могут непосредственно детектировать положение человеческого тела в помещении, а также отслеживать его резкое изменение. Безусловно, идеальное качество детекции пока еще не достигнуто, распространению этих технологий препятствует также ряд факторов, включая повышенное внимание к защите частной жизни. Кроме того, использование умных браслетов или часов для тех же целей зачастую сталкивается с проблемами питания устройств и своевременного заряда. Тем не менее появляются новые неординарные продукты, позволяющие повысить точность детекции.
Детекция критических медицинских ситуаций
Тайваньские разработчики представили решение, базирующееся на миллиметровых радиоволнах, которое может рассчитывать скорость и угол движения объекта для фиксации подъема с кровати. Детекция падений происходит при помощи технологии ToF (Time-of-Flight) – специального дальностного изображения, в котором оценивается расстояние от камеры до конкретных точек наблюдения. Совмещение этих двух передовых технологий позволяет создать высокоточные AI-алгоритмы детекции критических медицинских ситуаций.
"Тестируем функцию распознавания лиц в видеонаблюдении на Synology DVA3219" >>>
Такое решение будет наиболее востребованно не только в медицинских учреждениях, но и в домах престарелых постоянного или дневного пребывания.
Распознавание медицинских изображений
Искусственный интеллект в медицине развивается еще в одном направлении – распознавании изображений, получаемых при обследовании больных. Например, согласно исследованию компании Lunit, при обнаружении раковых опухолей AI-система смогла правильно распознать более 87% изображений, в то время как радиологическая группа – не более 74%.
Одна из главных целей развития такого типа решений – построение обучающей платформы для создания процесса непрерывного обучения и повышения качества аналитики.
На Тайване объявили о создании терапиксельной платформы, которая может работать в 20 тыс. раз быстрее при обработке изображений ультравысокого разрешения, чем любая другая существующая сегодня AI-система.
