MIT CSAIL представила модель FleXray для розмітки анатомії на рентгеновських знімках
MIT CSAIL, разом із Массачусетською лікарнею та Гарвардською медичною школою, представила модель FleXray, яка розмічає 60 анатомічних структур на рентгені. Це дозволяє автоматизувати вимірювання та навигацію під час операцій.
🔬 Цікаво, але не для вас. Це дослідження без готового продукту — компанія на 10-50 людей не може його використовувати сьогодні. Для R&D-команд — варто зберегти в арсеналі.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Модель FleXray розмічає 60 анатомічних структур на рентгеновських знімках
- •Середній коефіцієнт Dice — 0,875, кращий за TotalSegmentator2D та FluoroSAM у 7 з 8 тестів
- •Використовує ансамбль з п'яти мереж U-Net на зображеннях 256x256 пікселів
- •Ліцензія: CC-BY-NC-4.0 (тільки для некомерційного використання)
- •Доступна браузерна демо-версія через WebGPU
Як це змінить ваш ринок?
Для медичних приладів це сигнал, що автоматизована розмітка анатомії досягла рівня, придатного для інтеграції в рентгенівські системи. Це знімає блокер ручної розмітки під час планування операцій, особливо в ортопедії та травматології. Проте через некомерційну ліцензію, комерційне використання вимагає переліцензування або створення власного аналогу.
Визначення:
Dice коефіцієнт — метрика схожості між двома наборами, де 1 — ідеальне співпадіння, 0 — немає спільної області. Використовується для оцінки якості сегментації зображень.
Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.
- •Для R&D-команд медичних приладів: потрібна команда з 2+ інженерів з досвідом у сегментації зображень, доступ до GPU для навчання, бюджет від $50K на адаптацію та валідацію.
- •Для лікарень без технічної команди: не придатно — потребує інтеграції в обладнання або ПО, що не доступно як готове рішення.
- •Час на впровадження: 3-6 місяців для адаптації моделі під конкретне обладнання та клінічний протокол.
Альтернативи
| Продукт | Ціна | Де працює | Мін. вимоги | Ключова різниця |
|---|---|---|---|---|
| FleXray | дані не розкриті (опенсорс, CC-BY-NC-4.0) | Браузер (WebGPU demo), локально через код | GPU для навчання, 256x256 зображення | Розмічає 60 структур, не виявляє патологій, не розрізняє ліву/праву сторону |
| TotalSegmentator2D | безкоштовно (опенсорс) | Локально, через інтерфейс | GPU, різні розміри зображень | Більш загальна модель (104 структури), нижча точність у FleXray на більшості наборів |
| nnU-Net | безкоштовно (опенсорс) | Локально, потребує налаштування | GPU, експертиза у конфігурації | Адаптується під кожен датасет, вища середня точність (0,914), але потребує перетренування |
| Commercial solutions (наприклад, от GE, Siemens) | ціна не розкрита | Інтегровано в їхні системи | Покупка обладнання | Готове рішення, підтримка, клінічна валідація, але менш гнучке та оновлюється рідше |
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
Machinelearning — оригіналНавчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live