Поиск

Pirogov.AI устанавливает экспертный диагноз по ото, рино и ларинго эндоскопическим фото и видеоизображениям точнее, чем врачи. Распознание использует возможности искусственного интеллекта.

КОМПЬЮТЕРНАЯ ТОМОГРАФИЯ ОРГАНОВ ГРУДНОЙ КЛЕТКИ ИИ-сервис находит сразу 9 патологий в области грудной клетки ВОЗМОЖНОСТИ Детекция и визуализация признаков патологий, расчет размеров и объемов Легочные очаги образования Коронарный кальций Плервальный выпот Расширение легочного ствола Расширение грудной аорты Нарушение воздушности Эмфизема Деформации позвонков Паракардиальный жир.

Обработка данных дистанционного зондирования Земли, полученных радиолокаторами с синтезированной апертурой антенны, с использованием нейронных сетей и корреляционных методов обработки. PHOTOMOD Radar Neuro содержит набор программных средств для распознавания объектов на радиолокационных изображениях в автоматизированном режиме с участием оператора Программное обеспечение позволяет автоматизировать процесс поиска и классификации объектов на радиолокационных снимках посредством использования нейросетевых и корреляционных технологий, тем самым снизив нагрузку на оператора-обработчика. Перед обработкой радиолокационные данные должны быть обязательно конвертированы во внутренний формат PHOTOMOD Radar при помощи модуля импорта/экспорта и поддержки форматов данных. Блок обнаружения Обнаружение набора объектов, присутствующих на амплитудном или комплексном радиолокационном изображении (или серии изображений) и определение их географических координат нейросетевым методом. Редактор эталонов Формирование синтетических эталонных изображений объектов. Коррелятор эталонов Анализ радиолокационных изображений и поиск интересующих объектов по их эталонным изображениям корреляционным методом. Блок разметки Разметка радиолокационных изображений с целью формирования обучающих выборок для нейронной сети, основанных на реальных данных. Блок обучения Обучение нейронной сети, в ходе которого сеть выявляет сложные зависимости между входными и выходными данными и выполняет их обобщение.

Инструмент для объективного анализа клеток периферической крови и костного мозга , определения типов ткани и характеристик новообразований. В основе сервиса - запатентованная технология: «Метод для выделения и классификации типов клеток крови с помощью глубоких сверточных нейронных сетей» Третье Мнение обеспечивает точную диагностику мазков крови и костного мозга, тканей. Глубокая интеграция в рабочие процессы врачей лабораторной диагностики позволит настроить работу алгоритмы в режиме "ассистент врача" и в фоновом режиме. Сервисы: - Цитология - Гистология (В Разработке) Распознавание типов клеток периферической крови и костного мозга. Сервис умеет распознавать клетки, характерные при онкогематологических процессах: - Бластные клетки - Миелоциты - Метамиелоциты - Лимфоциты - Палочкоядерные/сегментоядерные нейтрофилы - Базофилы/Эозинофилы - Базофильные / полихроматофильные / оксифильные нормобласты

Анализ сейсмического поля без учета скважин (без обучения). - Построение карт сейсмофаций (сейсмоклассов) на основе классификации с использованием 1D,2D или 3D нейронных сетей Кохонена с RGB визуализацией; - Выделение разломов и трещиноватости на основе алгоритма DTW; - Прослеживание разломов на основе нового алгоритма имитации разломным нарушений с использованием многократных локальных стрессов; - Выделение факторов на основе ортогонального разложения сейсмического поля; - Выделение особенностей сейсмического поля на основе RGB изображений соседних стратиграфических слайсов сейсмического поля или атрибутов. Анализ сейсмического поля c учетом скважин (с обучением). Прогноз карт эффективных толщин - на основе линейной регрессии; - на основе нелинейной регрессии ACE; - на основе нелинейной регрессии Random Forest; - на основе нейронных сетей Кохонена; - на основе классических нейронных сетей; - на основе нейронных сетей нового поколения Колмогорова; - многократный прогноз с удалением части скважин и построение карт P10, P50, P90, среднее, стандартное отклонение. Прогноза куба эффективных параметров по набору исходных кубов и скважинных измерений - на основе линейной регрессии; - на основе классических нейронных сетей; - на основе нейронных сетей нового поколения Колмогорова; - Нейросетевой прогноз низкочастотной модели и ее использование; - Нелинейный прогноз кубов упругих параметров AI, Vp/Vs, RHOB по угловым суммам; - Прогноз кубов ФЭС по кубам инверсии или по угловым суммам; - Прогноз геомеханических кубов (скорость Vs, модуль Юнга, отношение Пуассона …); - Прогноз куба порового давления; - Прогноз кубов литофаций; - многократный прогноз с удалением части скважин и построение кубов P10, P50, P90, среднее, стандартное отклонение. Анализ скважинных данных. - Прогноз кривых (параметров керна) по набору каротажей; - на основе линейной регрессии; - на основе классических нейронных сетей; - на основе нейронных сетей нового поколения Колмогорова; - многократный прогноз с удалением части скважин и построение кривых P10, P50, P90, среднее, стандарт; - классификация каротажных кривых 1D, 2D, 3D Kohonen; - карты на основе классификации каротажных кривых по их форме – электрофации. Программные продукты IPLab основаны на использовании: - Нового поколения нейронных сетей на основе полнофункциональных нейронов Колмогорова с инновационным гибридным обучением; - сейсмической инверсии по полным, угловым и азимутальным суммам; - анализа трещиноватости по сейсмическим данным. В качестве основного алгоритма прогноза продуктивности используются нейронные сети нового поколения на основе нейронов Колмогорова с полнофункциональными активационными функциями, что будет обеспечивать высокую степень свободы нелинейного оператора прогноза. Обучение нейронных сетей и их стабилизации основана на комбинации генетических алгоритмов, градиентных методов и регуляризации. Такой метод позволяет использовать на входе разномасштабные и разно точные данные для прогноза эффективных параметров добычи нефти и газа. Кроме этого, мы используем несколько специальных приемов (know-how) для такого прогноза, связанных с использованием пространственного распределения исходных данных (распределение сейсмическое поля вокруг точки прогноза) и учета многофакторной природы данных добычи. На основе нашего опыта, это существенно повышает качество прогноза. Для выделения зон трещиноватости и скрытых разломов по 3D сейсмическим данным применяются специальные алгоритмы искусственного интеллекта. Применение алгоритмов машинного обучения (Machine learning) позволяет гораздо эффективнее решать подобную задачу. В настоящее время мы готовим патентную заявку и имеется работающий прототип плагина. Сравнение результатов выделения зон трещиноватости и скрытых разломов на основе различных технологий и нашего подхода, показывает большую разрешающую способность и эффективность. Программный пакет IP_Seismic имеет возможность прямого импорта/экспорта данных из/в ПО Petrel (Шлюмберже). С другими программными пакетами, такими как Kingdom (S&P Global), Landmark (Halliburton), Paradigm (AspenTech) и т.д. обмен идет через файлы: сейсмика и ее производные через SEG-Y, скважины через LAS-формат и горизонты через текстовые файлы, что тоже очень удобно.

Основные функции программы включают: Обратная трансляция аминокислотной последовательности с оптимизацией кодонного состава под определённый организм. Оптимизация кодонного состава входной нуклеотидной последовательности. Исключение определённых сайтов рестрикции и/или сплайсинга и/или пользовательских мотивов из нуклеотидной последовательности. Разбиение нуклеотидной последовательности на олигонуклеотиды для последующей сборки одним из методов: Polymerase Cycling Assembly (PCA), Thermodynamically Balanced Inside-Out (TBIO). Разбиение нуклеотидной последовательности на длинные блоки для последующей сборки одним из методов: Gibson assembly, Overlap extension PCR. Клонирование одного или нескольких фрагментов в плазмиду одним из методов: Gibson assembly, Gateway.

Продукты и сервисы «ФтизисБиоМед» используются в практической медицине в системах поддержки принятия врачебных решений для уменьшения числа ошибочных диагнозов и постановки диагнозов на ранних стадиях болезни. Результаты применения продуктов и сервисов «ФтизисБиоМед» также используются органами здравоохранения для повышения управляемости систем здравоохранения разных уровней. В настоящий момент функционал сервиса позволяет детектировать предполагаемые патологии, производить их графическую локализацию на проанализированных снимках, а также классифицировать детектированную патологическую область. Классификатор патологий сервиса «ФтизисБиоМед» способен различать и каталогизировать 9 типов патологий (Плевральный выпот, Пневмоторакс, Ателектаз, Очаг затемнения, Инфильтрация/консолидация, Диссеминация, Полость, Кальцинат/кальцинированная тень, Нарушение целостности кортикального слоя). Кроме того, сервис даёт численное значение вероятности наличия патологии. Участки локализации размечаются с помощью контуров, цветовые схемы которых соответствуют вероятным классам патологических признаков, приведенных в подписи к обработанному ИИ-сервисом снимку.

Технология: Шаг 1: после загрузки электрической схемы (спецификации) в нейросеть через интерфейс konergy.tech происходит автоматическое распознавание символов и подписей. Точность распознавания и классификации символов более 90%. Определяются координаты символов, их класс, текст и близлежащие предметы, например, линии кол-ва электрических фаз. Шаг 2: преобразование данных в список оборудования с характеристиками по классификатору ETIM Шаг 3: мгновенный подбор оборудования из всех доступных в России брендов электрического оборудования Шаг 4: поиск самых дешевых аналогов по заданным техническим параметрам KONERGY кардинально меняет работу инженеров и сметчиков: - Снижаем затраты на обработку документации - Обеспечиваем мгновенный подбор всех доступных аналогов - ПО не требует специальных знаний или установки на компьютер Загрузите однолинейную электрическую схему в формате png/jpeg/pdf через интерфейс konergy.tech или TG-бот @SchemeBotTest_bot и получите подбор компонентов и их стоимость. Для демонстрации возможностей сервис подбора работает с компонентной базой бренда CHINT. Преимущества - Для менеджеров по продажам оборудования: подбор оборудования по схеме заказчика за 1 минуту. - Для технико-коммерческих инженеров по продаже НКУ: расчет стоимости НКУ за 1 минут на нескольких брендах. - Для проектировщиков электрооборудования: расчет стоимости НКУ для предоставления сметы по проекту заказчику на нескольких брендах.

Кроссплатформенное программное обеспечение для создания моделей структуры материалов путем поиска и распознавания объектов нейросетевыми алгоритмами. Принцип работы программы: пользователь размечает объекты интереса на изображении, создает обучающую выборку и отправляет модель на обучение. Полученные в SIAMS AIM модели могут использоваться в методиках анализа изображений, в том числе и в программе SIAMS 800. Клиент-серверная архитектура программы обеспечивает возможность командной работы посредством настройки прав и ролей доступа для одновременной работы с проектом. Возможна удаленная работа в программе специалистов из любой географической точки. Для работы им потребуется только устройство с веб-браузером. ПО SIAMS AIM адресовано широкому кругу пользователей и не требует навыков программирования и специальных знаний. Интуитивно понятный интерфейс и рекомендации разработчиков позволяют освоить навык самостоятельного обучения нейросети для распознавания объектов на микроскопных изображениях.

ИИ-сервис находит сразу 8 признаков патологий в области грудной клетки. ИЗМЕНЕНИЕ ЛЕГОЧНОЙ ТКАНИ Очаговые затемнения (NDL )- очаги затемнения - образования в легком - кальцинаты/ частично кальцинированные тени - множественные очаги- множественные кальцинаты - области диссеминации. Снижение пневматиизации (SP) - области инфильтраций/ консолидаций - ателектаз - пневмофиброз - области диссеминации Линейное затемнение (LIN) - линейный фиброз - линейный ателектаз Воздушные полостии (CAVITY) - полости в легких, в том числе на полости с уровнем жидкости ПАТОЛОГИИ КОСТЕЙ Перелом ребра (FR) Консолидированный перелом ребра (CFR) ПАТОЛОГИИ СЕРДЦА Кардиомегалия (CTR) ПАТОЛОГИИ ГЕМИТОРАКСА Плевральный выпот (PL_EF) Пневмоторакс (PNTX) ПРЕИМУЩЕСТВА 30% Сокращение времени на описание протокола исследования 4 Сценария интеграциив рабочие процессы медицинских учреждений 30 сек Время обработки исследования Сокращение времени на проведение трудоемких измерений Автоматизированное второе чтение - снижение вероятности ошибок при анализе исследования 0.97 Чувствительность алгоритма УДОБНАЯ ВИЗУАЛИЗАЦИЯ И ПРОТОКОЛ На дополнительной серии можно увидеть легенду, на которой показано:по каким признакам проводился поиск на снимке результат поиска по каждому признаку

УСКОРЕНИЕ ДИАГНОСТИКИ на 57%. В сценарии “двойное чтение" время на описание исследования сокращается более, чем в 2 раза за счет замены первого чтения на ИИ и создания предварительного протокола для врача. ВОЗМОЖНОСТИ Детекция и визуализация признаков патологий, расчет размеров и объемов Кальцинаты Образования Асимметрия плотности Лимфоузлы Нарушение архитектоники Вытяжение соска Утолщение кожи Отек ткани ФУНКЦИОНАЛ Определяет признаки рака молочной железы Оценивает исследование по шкале BI-RADS Оценивает плотность молочной железы по шкале ACR Оценивает качество укладки по шкале PGMI Создает дополнительную серию с визуализацией найденных изменений Создает структурированный протокол описания, с информацией о находках и их характеристиках

Программное обеспечение "Информационно-диагностическая платформа D&P" является клиент-серверным приложением, в котором клиент взаимодействует с веб-сервером при помощи браузера. Логика веб-приложения распределена между сервером и клиентом, хранение данных осуществляется, преимущественно, на сервере, обмен информацией происходит по сети. Программное обеспечение устанавливается на сервер под управлением операционной системы Linux Debian 11. Контейнеризация не используется. Для приложения используется программная платформа Node.JS, основанная на движке V8 (компилирующем JavaScript в машинный код), превращающая JavaScript из узкоспециализированного языка в язык общего назначения. Область применения программного обеспечения: добывающие, обрабатывающие и перерабатывающие отрасли промышленности, агропромышленный комплекс, логистика и транспорт ПО обеспечивает выполнение следующих функций: непрерывный либо периодический мониторинг заданных параметров; формирование и установка граничных значений (уставок) для параметров мониторинга; определение текущего состояния объекта мониторинга в соответствии с уставками; сохранение и накопление данных проведенных замеров; подключение математического аппарата для прогнозирования; формирование трендов для любых доступных параметров мониторинга; формирование отчетов различных форм; сигнализация и уведомление пользователей; удаленный доступ с любых мобильных устройств МОНИТОРИНГ Мониторинг ключевых эксплуатационных параметров узлов и агрегатов: вибрация; токи; температура; с возможностью расширения набора сигналов. Оповещение о превышении критических параметров функционирования объекта мониторинга либо предстоящем достижении таких параметров ДИАГНОСТИКА Диагностика состояния узлов по предварительно заданным экспертным алгоритмам Предоставление рекомендаций относительно необходимых сервисных воздействий, оптимальных режимов работы для продления срока службы и избежания остановов ПРЕДИКТИВНАЯ АНАЛИТИКА Сохранение и накопление данных, применение технологий машинного обучения для реализации предиктивного функционала и прогнозирования состояния оборудования Определение критических для обеспечения бесперебойной эксплуатации узлов Предоставление рекомендаций относительно необходимых сервисных воздействий, оптимальных режимах работы для продления срока службы и избежания остановок