Web-приложение для классификации рентгеновских снимков лёгких «XRayHealth»

Пользователи и проблема

Проблема

Врачам требуется тратить время на изучение большого количества рентгеновских снимков лёгких во время диспансеризации населения.

Цель

Разработать REST API сервис для классификации рентгеновских снимков лёгких, который позволит автоматизировать работу врачей по выявлению патологий лёгких, с точностью выявления патологий 0.9 к 15 мая 2023 года.

6W

• Who: медицинские работники.
• What: классификация рентгеновских снимков лёгких на предмет патологий.
• Where: в медицинских учреждениях.
• When: в момент проведения диспансеризации.
• How: снимки поступают из аппарата в приложение через API, обрабатываются моделью классификации, результат классификации сохраняется в базе данных и отображается в личном кабинете врача.
• Why: для автоматизации изучения большого количества рентгеновских снимков лёгких => освобождение времени под другие задачи.

Данные

Датасет на Kaggle: https://www.kaggle.com/datasets/paultimothymooney/chest-xray-pneumonia.

Выбор классификатора

Google Colab: https://colab.research.google.com/drive/1nEWmgYUlbLaJQUfXzh2ZbJTY4sEP4txy.

Технологическое решение

• Модель классификации образов: CNN based on PyTorch.
• Web-приложение с REST API и интерфейсом личного кабинета врача: Flask, Vue.js.
• База данных: MongoDB.

Запуск в режиме разработки

Предварительно должны быть установлены Python и MongoDB. Рекомендуется создать виртуальное окружение. Также необходимо загрузить файл с весами нейросети weights.pth в директорию neuralnet, затем для запуска бэкенда выполнить следующие команды:

cd backend
pip install -r requirements.txt 
cp .env.example .env
python app.py 

После этого для запуска фронтенда необходимо выполнить следующее:

cd ../frontend
npm install
npm run dev

Авторы

• Тимур Низамов
• Дмитрий Шушарин

Лицензия

MIT