Wysoka czułość
Chcemy ograniczać przeoczenia zmian wymagających konsultacji, szczególnie czerniaka. Trzeba przy tym mierzyć fałszywe alarmy i wyniki dla konkretnych grup zmian.
NEVOMETRY · AI4BUSINESS
Nevometry.
Projekt, który
warto poznać.
Tworzymy aplikację do obserwacji zmian skórnych. Zdjęcia przechowujemy lokalnie, a docelowo chcemy także prowadzić analizę AI na telefonie.
Poznaj aplikację, badania i stan poszczególnych obszarów.
Projekt koła naukowegoAplikacja w rozwojuAI na etapie badań
NEVOMETRY / PODGLĄDW rozwoju
MAPA CIAŁAKażda obserwacja
ma swoje miejsce.
ma swoje miejsce.
Wskaż lokalizację na sylwetce i wróć do powiązanego wpisu.
JEDEN PROJEKTDwa uzupełniające się kierunki.Zobacz jak się łączą
OBSZARY PROJEKTU
Poznaj obszary projektu.
Wybierz obszar, aby poznać jego stan, dotychczasowe próby i kierunek rozwoju.
ML / AI
Sprawdź, co model naprawdę potrafi.
Python · PyTorch · Core MLPoznaj obszarComputer Vision
Pomóż uzyskać lepsze zdjęcia.
Obraz · jakość · powtarzalnośćPoznaj obszarFlutter / mobile
Zamień kod w wygodną aplikację.
Flutter · Dart · SwiftPoznaj obszarUX / testy
Sprawdź, co rozumie użytkownik.
Badania · dostępność · QAPoznaj obszarKIERUNEK I WYZWANIAOd pomysłu do działania
Od pomysłu do działania
na telefonie.
Chcemy, by dane i docelowo analiza pozostawały na urządzeniu. Model badawczy wymaga jeszcze niezależnej oceny — nie jest funkcją obecnej publicznej wersji.
Wyniki poza zbiorem treningowym
Model musi sprawdzić się na niezależnych, odpowiednio opisanych danych i zdjęciach z telefonu. Dobry wynik na danych treningowych nie wystarcza.
Model na telefonie
Badamy eksport do Core ML i zgodność wyników z PyTorch. Na rzeczywistym iPhonie trzeba zmierzyć czas, pamięć, energię oraz jakość wyników.
Zdjęcia nadające się do oceny
Światło, ostrość i odległość zmieniają wynik. Potrzebujemy sprawdzonej oceny jakości i jasnego komunikatu, kiedy trzeba powtórzyć zdjęcie.
O PROJEKCIEJedna aplikacja.
Jedna aplikacja.
Dwa kierunki pracy.
Nevometry łączy aplikację mobilną do obserwacji zmian skórnych z badaniami nad ich wykrywaniem i analizą. Funkcje aplikacji i modele są na różnych etapach rozwoju.
Zdjęcia, do których można wrócić.
Mapa ciała, historia zdjęć i ręczne porównanie wspierają obserwację zmian. Ścieżki aplikacji wymagają sprawdzenia na fizycznym iPhonie.
Zobacz aplikacjęSprawdzamy, co można zbudować.
Badamy modele do wykrywania i analizy zmian, jakość zdjęć oraz przenoszenie wyników między zbiorami. Model nie jest jeszcze gotowy do wdrożenia.
Poznaj badaniaWażna granica. Wykrywanie i ocena zmian przez AI są celem badawczym, a nie potwierdzoną funkcją obecnej wersji. Aplikacja nie stawia diagnozy, a wyniki modelu nie są procentowym ryzykiem choroby dla konkretnej osoby.
APLIKACJAOd zdjęcia
Od zdjęcia
do historii.
Od pierwszego zdjęcia po powrót do wcześniejszej obserwacji — zobacz, jak wygląda praca z aplikacją.
MAPA CIAŁA / ZASÓB APLIKACJIKażdy wpis
Każdy wpis
ma swoje miejsce.
Na mapie wskazujemy lokalizację zmiany. Każde następne zdjęcie dołącza do jej historii — do ręcznego porównania.
01 Miejsce 02 Zdjęcie 03 Historia
Schemat wykorzystuje sylwetkę z aplikacji; kolory dostosowano do strony.ZOBACZ APLIKACJĘTwoje obserwacje.
Twoje obserwacje.
Twoja przestrzeń.
Otwórz aplikację i wróć do swoich obserwacji. Twoje zdjęcia i wpisy są przechowywane lokalnie na urządzeniu.
Mapa ciałaHistoria zdjęćPorównanie
POZNAJ APLIKACJĘ
Każdy ekran ma swój cel.
Od zaznaczenia miejsca po porównanie zdjęć. Wybierz ekran, żeby zobaczyć go z bliska.
Widok porównania to demonstracja z przykładowymi zdjęciami tkaniny. Więcej o materiałach.
01
Start
Potwierdzenie 18+, utworzenie lub odblokowanie lokalnego dziennika.
02
Miejsce i zdjęcie
Wybór punktu na mapie ciała, wykonanie zdjęcia i zapis obserwacji.
03
Powrót i porównanie
Kolejne ujęcie trafia do historii. Dwa zdjęcia porównujemy ręcznie.
04
Raport lub kopia
Raport można świadomie udostępnić. Zaszyfrowana kopia służy do odzyskania dziennika.
JAK TO SIĘ ŁĄCZYProsty widok
Prosty widok
na architekturę.
Każda warstwa ma inne zadanie. Python przygotowuje eksperymenty poza aplikacją.
NA TELEFONIE
Flutter / DartEkrany i ścieżki użytkownika
Pigeon — typowany interfejs
Swift / iOSAparat, klucze i funkcje systemu
zapis w dzienniku
SQLite + mediaMetadane i szyfrowane zdjęcia
ODDZIELNIE / BADANIA
Python · Core ML
Dane, trening, ocena i eksport. Model badawczy nie jest częścią publicznego dziennika.
CO DZIEJE SIĘ PO ZDJĘCIU?Jedna obserwacja.
Jedna obserwacja.
Cała historia.
Schemat pokazuje przepływ zapisany w kodzie. Każdy etap wymaga jeszcze sprawdzenia w bieżącej wersji na iPhonie.
01Zdjęcie
Aparat przechwytuje ujęcie i informacje o sesji.
02Ochrona
Zdjęcie trafia do szyfrowanych mediów dziennika.
03Historia
Obserwacja zostaje powiązana z konkretnym wpisem.
04Porównanie
Użytkownik sam zestawia wcześniejsze i nowe zdjęcie.
OBSZARY PRACYWybierz miejsce
Wybierz miejsce
dla siebie.
Każdy obszar ma już punkt wyjścia. Najważniejsze jest teraz przełożenie kodu i pomysłów na sprawdzalne rezultaty.
OBSZAR BADAWCZYPython
Python
ML / AI
Od danych przez trening po ocenę tego, co model potrafi — i gdzie zawodzi.
Co już mamy
Pipeline danych i manifestów, trening MobileNetV3, ewaluację i eksport Core ML. Model ma dwa oddzielne wyniki: s_referral do badania potrzeby konsultacji oraz s_melanoma do rankingu czerniaka i analizy bezpieczeństwa. Klasyfikacja 4 klas jest pomocnicza.
HISTORYCZNY TRANSFER / MRA21 z 68
zdjęć czerniaka osiągnęło zamrożony próg referral
MRA to zbiór użyty rozwojowo — nie niezależna walidacja. Wynik dotyczy zdjęć, a nie prawdopodobieństwa choroby pacjenta.
Najbliższy krok
Przygotować plan niezależnej oceny modelu i porównać wyniki PyTorch z Core ML. MRA pozostaje zamknięte dla dalszego strojenia.
OBRAZ I DANEComputer
Computer
Vision
Jak uzyskać zdjęcia, które można ze sobą sensownie zestawić?
Co już mamy
Podgląd aparatu, metadane, pomiary ostrości, ekspozycji i odblasków oraz nakładkę poprzedniego zdjęcia. Kod zawiera też elementy rejestracji obrazu oparte na Apple Vision.
UJĘCIE 01
UJĘCIE 02
Porównujemy
światło, dystans,
kąt i ostrość.
Wskazówka aparatu nie potwierdza jakości diagnostycznej. Automatyczna ocena zmiany i pomiar w milimetrach pozostają niedostępne.
Najbliższy krok
Opracować i sprawdzić protokół powtarzalnych zdjęć na telefonie.
PRODUKTFlutter
Flutter
mobile
Rozwijamy interfejs, zapis i odzyskiwanie danych; ich działanie sprawdzamy na urządzeniach.
Co już mamy
Mapę ciała, listę i historię wpisów, aparat z timerem, ręczne porównania, polską i angielską wersję oraz szyfrowany zapis, eksport i odzyskiwanie. V1 jest projektowane dla iPhone’a w pionie.
01captureaparat
02securityklucze
03filespliki
04notificationsprzypomnienia
05analysisobraz
06inferencemodele
Android ma szkielety pakietów. Pełna ścieżka kamera · szyfrowany zapis · odczyt wymaga implementacji i osobnych testów.
Najbliższy krok
Przejść ścieżkę aplikacji na fizycznym iPhonie w wersji Release i sprawdzić odzyskiwanie danych.
LUDZIE I JAKOŚĆUX / UI
UX / UI
testy i badania
Sprawdzamy, czy ktoś naprawdę rozumie to, co widzi i robi.
Co już mamy
Wspólne komponenty, motywy, lokalizację PL/EN, etykiety dostępności i testy dużego tekstu. Nie mamy jednak potwierdzenia pełnej dostępności ani aktualnego badania użyteczności na urządzeniu.
OBSERWUJZAPISZPOPRAWSPRAWDŹ
Najbliższy krok
Przeprowadzić krótki pilotaż z osobami z koła: obserwować, gdzie potrzebują pomocy, i sprawdzić dostępność.
PLAN DZIAŁANIACo robimy
Co robimy
najpierw.
Nie zaczynamy od kolejnej funkcji. Najpierw chcemy wiedzieć, czy to, co już powstało, działa i da się odtworzyć.
01
Sprawdzony demonstrator
Uruchomienie dziennika i przejście ścieżek na fizycznym iPhonie, z zapisem wersji i błędów.
02
Wiarygodna walidacja
Uporządkowanie niezgodności w polityce ML i ponowne uruchomienie testów bez obchodzenia kontroli.
03
Dane i zdjęcia
Plan niezależnej kohorty, prawa do danych i protokół powtarzalnych ujęć.
04
Użyteczność
Krótki pilotaż, dostępność oraz priorytety poprawek wynikające z obserwacji.
Ostatni lokalny przegląd
462 lokalne testy kontraktowe repozytorium przeszły. Z 295 testów ML siedem zakończyło się błędem niezgodności hasha, pięć pominięto. Bieżącą aplikację uruchomiono w Debug na symulatorze. Pełna walidacja Flutter/iOS oraz test Release na fizycznym iPhonie pozostają otwarte.
Poznaj Nevometry
z każdej strony.
Sprawdź, jak działa aplikacja, co już wiemy i jakie pytania pozostają otwarte.
Zobacz obszary projektu