Лаборатория медицинского ИИ

Трансформируем
радиологию
с помощью ИИ

Sudden Clarity in Medical Imaging

AI-платформа для автоматической сегментации медицинских изображений, клинических измерений и генерации отчётов с участием врача.

Запросить демо Узнать больше

Модальностей

Клинических сценариев

3900+

GPU-часов обучения

Проблема

Радиологи перегружены рутиной

Ручная сегментация и измерения отнимают до 30 минут на одно исследование. Результаты зависят от специалиста и не стандартизированы.

Высокие временные затраты

Ручная разметка анатомических структур и расчёт углов занимают до 30 минут на исследование.

Вариабельность результатов

Разные специалисты получают различные значения на одном и том же изображении.

Ограниченная масштабируемость

При росте объёмов ручные подходы требуют значительного увеличения штата.

Задержка заключений

Трудоёмкость анализа увеличивает сроки выдачи результатов.

Платформа

Сквозная AI-платформа для лучевой диагностики

От загрузки изображения до структурированного заключения — автоматически, с возможностью ручной коррекции врачом.

Загрузка изображений

DICOM / Рентген / КТ / МРТ

AI-сегментация

Автоматическая сегментация костей, тканей, камней

Врач может вручную скорректировать результат

Измерения и детекция

Углы, объёмы, плотность (HU), выявление аномалий

Клиническое заключение

LLM-генерация черновика отчёта, врач проверяет и подтверждает

Редактирование через LLM или вручную

Open interactive diagram

Преимущества

Почему наша платформа?

Сочетание глубоких знаний в рентгенологии, современных AI-фреймворков и выделенной GPU-инфраструктуры.

Автоматизация рутины

AI выполняет сегментацию и измерения автоматически, освобождая время врача для сложных случаев.

Контроль врача

Врач может вручную скорректировать сегментацию и подтвердить финальное заключение.

2D и 3D модальности

Работа с рентгенографией, КТ и МРТ — от 2D снимков до объёмных данных.

LLM-отчёты

Генерация структурированных отчётов на основе шаблонов с возможностью редактирования.

GPU-ускорение

Выделенная GPU-инфраструктура обеспечивает быстрый инференс и обучение моделей.

PACS-интеграция

Бесшовная интеграция с существующими PACS-системами лечебных учреждений.

Применения

Клинические сценарии

Платформа начинается с валидированных прототипов и расширяется на новые области.

2D Рентген

Плоскостопие (Flatfoot)

Автоматическая сегментация костей стопы, расчёт угла Мери (Meary's angle), генерация отчёта.

3D КТ

Ревматические заболевания

Детекция и сегментация ревматических изменений на КТ-срезах, планирование лечения.

3D КТ

Камни почек и мочевыводящих путей

Обнаружение, локализация и количественная характеристика камней на нативных КТ-изображениях.

Планируется расширение на более чем 10 новых анатомических областей.

Технологии

Технологический стек

Открытые фреймворки и выделенная инфраструктура для медицинского ИИ.

Визуализация и анализ

Просмотр медицинских изображений, инструменты сегментации, 3D-рендеринг

API инференса

Высокопроизводительный API для обслуживания моделей

AI-движок сегментации

Глубокое обучение для сегментации тканей и органов

Измерения и аналитика

Клинические метрики: углы, объёмы, плотность (HU)

Генерация отчётов

LLM-генерация структурированных черновиков отчётов

Управление данными

Работа со стандартами медицинских изображений, PACS-интеграция

GPU-инфраструктура

Выделенный GPU-кластер для обучения и инференса

Open interactive architecture diagram

Команда

Эксперты MTRT

Команда объединяет глубокую экспертизу в рентгенологии, машинном обучении и разработке программного обеспечения.

Горазд Ковачич

Архитектор ПО, лидер технологического видения в области медицинского ИИ

20+ лет опыта разработки программных продуктов и ИИ для медицины.

Андрей Агафонов

К.м.н., доцент кафедры рентгенологии

11+ лет опыта. Специализация — МРТ, современные методы визуализации.

Александр Иванов

К.м.н., ассистент кафедры рентгенологии

13+ лет в лучевой диагностике: рентгенография, КТ, маммография.

Дмитрий Соболев

Специалист по медицинским данным

Работа с архивами медицинских изображений и клиническими базами данных.

Сергей Эдельман

Специалист по глубокому обучению, сегментация анатомических структур

Полный цикл создания ИИ-решения: от разметки до интеграции моделей.

Контакт

Свяжитесь с нами

Запросите демонстрацию платформы или задайте вопрос нашей команде.

Кафедра рентгенологии и радиационной медицины

Санкт-Петербургский государственный медицинский университет им. акад. И.П. Павлова

Санкт-Петербург, ул. Рентгена, 8

Трансформируем радиологию с помощью ИИ