AI Superior, en collaboration avec un centre d'ophtalmologie, a développé un système avancé modèle d'apprentissage profond pour estimer le volume de graisse et de muscle dans les yeux humains à l'aide de tomodensitométries et d'IRM orbitales. En analysant les examens IRM, notre modèle segmente avec succès les tissus adipeux et musculaires dans chaque tranche, permettant une estimation précise du volume et facilitant les comparaisons de volume avant et après les interventions. Ce projet révolutionnaire apporte de nouvelles possibilités pour comprendre et gérer la santé oculaire.
![](https://aisuperior.com/wp-content/uploads/2023/06/brain.png)
![](https://aisuperior.com/wp-content/uploads/2023/06/brain.png)
Des analyses aux informations : utiliser le Deep Learning pour estimer le volume de graisse et de muscle des yeux humains
Technologie
Vision par ordinateur | Apprentissage automatique de base
Industrie
Médical
Industries potentielles
Soins de santé
Client
Centre d'ophtalmologie
Résumé
Défi
La compagnie d'assurance opérant dans le domaine médical/santé était confrontée au défi de l'élaboration de politiques tarifaires. Pour eux, il était important de comprendre les risques liés à un patient particulier et d’ajuster les modèles de politique tarifaire en conséquence. Le client s’attendait à son tour à réaliser des économies considérables.
Solution par AI Superior
Nous avons construit une application basée sur un modèle d'apprentissage automatique pour prédire les probabilités d'une maladie particulière en fonction de nombreuses caractéristiques et paramètres d'entrée, y compris les antécédents médicaux. Pour cela, nous avons formé un modèle d'apprentissage profond cela résolvait efficacement des défis intrinsèques tels que le déséquilibre des classes. De plus, nous avons construit un cadre de validation pour comparer objectivement plusieurs approches et garantir que le modèle créé surpassait considérablement les autres.
Résultat et implications
La solution Data Science développée a largement surpassé les modèles de base reposant sur des statistiques. Les résultats du modèle ont été utilisés pour optimiser la politique tarifaire afin d’augmenter les revenus et de mieux gérer les risques.