Выявление заболеваний почек на медицинских изображениях

Что умеет эта модель?

Эта модель, основанная на архитектуре YOLOv8, предназначена для автоматического обнаружения различных состояний почек на медицинских изображениях. Она способна классифицировать выявленные объекты по четырем категориям: нормальное состояние (Normal), наличие камней (Stone), наличие опухоли (Tumor) и наличие кисты (Cyst).

Как обучена эта модель?

Модель была обучена с использованием фреймворка Ultralytics YOLOv8, который является передовой технологией для обнаружения объектов в реальном времени. В процессе обучения модель научилась распознавать ключевые признаки перечисленных состояний почек, достигнув точности около 76% на тестовых данных.

Применение модели

Данная модель может быть использована в медицинских учреждениях для скрининга и предварительной диагностики заболеваний почек. Она поможет специалистам быстрее выявлять потенциальные патологии, такие как камни, кисты или опухоли, что может значительно ускорить процесс постановки диагноза и назначения лечения.

Ссылки