Исследовательский R&D проект по разработке системы анализа 3D медицинских изображений (КТ головного мозга) с использованием компьютерного зрения и машинного обучения.
Целью проекта была разработка масштабируемого AI/CV pipeline для автоматизированной обработки КТ-данных, сегментации анатомических структур, локализации областей интереса по описанию врача из технического задания (ROI) и визуального представления результатов анализа.
В рамках проекта решались следующие задачи:
- обработка и нормализация 3D КТ-данных в медицинских форматах;
- сегментация анатомических структур головного мозга;
- поиск и локализация патологических или целевых областей;
- определение координат ROI для дальнейшего анализа;
- генерация mask overlays для визуальной интерпретации результатов;
- построение backend-архитектуры для асинхронной обработки тяжёлых вычислительных задач.
Для реализации проекта была разработана модульная backend-архитектура обработки 3D медицинских изображений.
Ключевые этапы реализации:
Подготовка и обработка данных
- загрузка и парсинг медицинских изображений;
- работа с volumetric CT-данными;
- preprocessing и нормализация изображений;
- подготовка данных для модели машинного обучения.
ML / Computer Vision
- обучение и дообучение модели для анализа медицинских изображений;
- сегментация анатомических структур;
- обнаружение областей интереса;
- структурная локализация объектов анализа;
- генерация координат и масок для визуализации.
Для обработки ресурсоёмких задач была реализована backend-инфраструктура:
- REST API на FastAPI;
- backend-for-frontend архитектура;
- асинхронная обработка задач через Celery;
- Redis как брокер очередей;
- PostgreSQL для хранения результатов и служебных данных;
- сериализация и выдача результатов анализа через API.
Качество и инженерные практики
- автоматизированное тестирование;
- интеграционные проверки;
- структурированная архитектура проекта;
- подготовка инфраструктуры для масштабируемого дальнейшего развития.
Проект реализовывался как R&D разработка с упором на надёжную инженерную архитектуру, а не только исследовательский ML-прототип.
Использованный стек:
Python, TensorFlow, NumPy, Numba, SciPy, OpenCV, pydicom, nibabel, SimpleITK, scikit-learn, FastAPI, Celery, Redis, PostgreSQL, SQLAlchemy, Alembic, matplotlib, pytest, Playwright.
Разработан рабочий backend AI/CV pipeline для анализа 3D КТ головного мозга.
Итоговая система позволяет:
- выполнять автоматизированную обработку КТ-данных;
- сегментировать анатомические структуры головного мозга;
- определять области интереса (ROI);
- визуализировать результаты анализа через маски и координаты;
- выносить ресурсоёмкие задачи в асинхронную обработку.
Пожаловаться
