تصویر ورودی
تصویر را اینجا رها کنید
یا از دستگاه انتخاب کنید · Ctrl + V هم کار می‌کند
تصویر ندارید؟ یکی از نمونه‌های دیتاست را امتحان کنید
دستیار پژوهشی رادیوگرافی قفسه سینه
بررسی تصویر رادیوگرافی با PneumoniaCNN
تصویر را بارگذاری کنید؛ مدل کانولوشنی احتمال الگوی پنومونی را برآورد می‌کند. خروجی فقط یک پیش‌بینی آموزشی است، نه تشخیص.
در حال اتصال به سرویس
- ۱انتخاب تصویر
- ۲اجرای تحلیل
- ۳مشاهده نتیجه
نتیجه‌ی مدل
هنوز نتیجه‌ای نیست
پس از بارگذاری تصویر و اجرای تحلیل، احتمال هر کلاس، آستانه‌ی تصمیم و تفسیر نتیجه اینجا نمایش داده می‌شود.
- احتمال نرمال و پنومونی
- مقایسه با آستانه‌ی تصمیم مدل
- راهنمای تفسیر نتیجه
درباره‌ی مدل
پشت صحنه‌ی PneumoniaCNN
یک شبکه‌ی عصبی کانولوشنی کوچک که برای یادگیری فرایند آموزش و ارزیابی ساخته شده است.
- ورودی۱×۲۸×۲۸خاکستری
- Conv2d۱۶ فیلتر ۳×۳ReLU
- MaxPool۲×۲۱۴×۱۴
- Conv2d۳۲ فیلتر ۳×۳ReLU
- MaxPool۲×۲۷×۷
- Linear۱۵۶۸ → ۶۴ReLU
- Linear۶۴ → ۲Softmax
نتایج روی TestPneumoniaMNIST · ۶۲۴ تصویر دیده‌نشده · آستانه ۰٫۳
- Accuracy
- ۸۴٫۹٪ در Validation: ۹۶٫۴٪
- Sensitivity
- ۹۷٫۹٪ ۸ بیمار از ۳۹۰ جا افتاد
- Specificity
- ۶۳٫۲٪ ۸۶ نفر از ۲۳۴ سالم هشدار گرفتند
- Precision
- ۸۱٫۶٪ برای کلاس پنومونی
آستانه‌ی تصمیم
خروجی مدل دو احتمال است. اگر احتمال پنومونی از آستانه بیشتر شود، برچسب «پنومونی» داده می‌شود. آستانه‌ی پایین‌تر حساسیت را بالا می‌برد و هشدار کاذب را بیشتر می‌کند.
محدودیت‌ها
داده از کودکان است و وضوح ورودی ۲۸×۲۸. روی Test، حدود یک‌سوم تصاویر نرمال به اشتباه پنومونی تشخیص داده شدند و احتمال‌ها کالیبره نشده‌اند. نتیجه را مبنای هیچ تصمیم بالینی قرار ندهید.
حریم خصوصی
تصویر فقط برای پیش‌بینی به سرویس محلی ارسال می‌شود و هیچ‌جا ذخیره نمی‌شود.
توجه: این ابزار صرفاً برای اهداف آموزشی و پژوهشی است و جایگزین تشخیص، نظر یا توصیه‌ی پزشک نیست.
ارائه‌ی «هوش مصنوعی در پزشکی»