Решение VeinCV работает так: сначала аппарат делает снимок любого участка тела, затем находит сосудистые сети и проецирует изображение обратно на кожу. С этими данными работают сразу несколько моделей нейронных сетей. Одна отвечает за поиск вен, их изображение и создание анатомически точной проекции на коже, другая отвечает за выравнивание этой «маски» при естественных движениях пациента.
До партнерства с VK сбор и обработка данных выполнялись непосредственно на устройстве. Облачные вычисления повысили качество визуализации и совмещения проекции сосудистых сетей, а также ускорили процесс обработки венозного рисунка с точки зрения оценки размера сосудов и разветвленности. Сейчас на это уходит менее 3 секунд вместо 10-15.
«Каждый день в России кровь из вены для лабораторных анализов сдают больше 40 тыс. человек. В 3% случаев медицинским работникам приходится делать пункцию повторно: это приводит к повреждению вен, синякам и дискомфорту пациента. Благодаря использованию графических процессоров VK Cloud Solutions, команде VeinCV удалось разработать и обучить модели сегментации, повысив качество данных, получаемых от систем Vein CV, на 11%. Изображение стало более качественной, а облачные вычисления ускорили и упростили дальнейшее развитие проекта, — отмечает Олег Рогов, сооснователь и генеральный директор VeinCV. — В дальнейшем мы планируем использовать облако для хранения и масштабирования данных».
«Для нас важно, чтобы технологии VK помогали делать жизнь людей и специалистов удобнее и проще. Поэтому мы предоставили VeinCV бесплатный доступ к облачному сервису на базе GPU Tesla A100 80GB (тип HBM2e) на несколько месяцев, чтобы ускорить разработку. Надеемся, что это позволит расширить применение новой технологии в медицинских учреждениях и позволит вывести диагностику и лечение венозных заболеваний на новый уровень», — говорит Леонид Аникин, директор по развитию VK Cloud Solutions.
В будущем алгоритмические решения VeinCV будут использоваться для диагностики патологий в медицинских изображениях КТ и МРТ. Вычислительная мощность и объем доступной видеопамяти графических процессоров в облаке поможет сделать диагностику патологий максимально эффективной.