احتمال یافتهها
یافتهها به ترتیب نزولیِ احتمال مرتب شدهاند.
هوش مصنوعیِ تفسیرپذیر · رادیوگرافیِ قفسهی سینه
تشخیص میدهد، و نشان میدهد چرا
توراکسنگار تصویرِ رادیوگرافی را از یک همگروهِ پنجمدلی عبور میدهد، احتمالِ شش ناهنجاریِ قفسهی سینه را برآورد میکند، و با نقشهی حرارتیِ LayerCAM همان نواحیای را که تصمیمِ مدل بر آنها استوار است، روی خودِ تصویر آشکار میسازد.
- ۰٫۹۷AUROC
- ۶یافته
- ۵مدل در Ensemble
گام به گام
تحلیل تصویر رادیوگرافی
تصویر را بارگذاری کنید تا احتمال یافتهها و نقشهی تفسیرپذیری تولید شود.
تصویر را اینجا رها کنید یا کلیک کنید
فرمتهای PNG، JPG و DICOM پشتیبانی میشوند
در حال تحلیل تصویر…
نقشهی تفسیرپذیری
LayerCAM
یافتهی موردنظر برای نقشه:
هیچ یافتهی مثبتی بالاتر از آستانه یافت نشد.
کمتوجه
پرتوجه
برای دیدن نقشه، یک یافته را انتخاب و «نمایش نقشه» را بزنید.
مهندسی نرمافزار
معماری لایهای چارچوب
تفکیک مسئولیتها در چهار لایه؛ هر لایه فقط با لایهی پایینتر گفتوگو میکند (Low Coupling · Separation of Concerns).
لایهی نمایش Presentation
رابط کاربری فارسی RTL و مسیرهای FastAPI
لایهی کاربردی Application
سرویس مدل · سرویس XAI · سرویس گزارش
لایهی دامنه Domain
ساختارهای دادهی تایپدار و خالص (بدون وابستگی)
لایهی داده Data
بارگذاری مدلها (.pth) · پیکربندی · انبارهی خروجی
اصل وابستگی
جریان وابستگی همیشه رو به پایین است؛ دامنه به هیچچیز وابسته نیست و قابل آزمون مستقل است.
جداسازی منطق
لایهی نمایش چیزی دربارهی torch نمیداند؛ تعویض مدل بدون لمس رابط کاربری ممکن است.
میانگین روی فولدها
هم احتمالها و هم نقشهی LayerCAM روی هر پنج فولد میانگین گرفته میشوند تا خروجی پایدارتر و قابلاعتمادتر باشد.
دربارهی چارچوب
مدل و روش
- دیتاست
- VinDr-CXR
- معماری
- Ensemble × 5 · tf_efficientnet_b3
- روش تفسیرپذیری
- LayerCAM (mean over folds)
- کارایی
- AUROC ≈ 0.97
این یک ابزار پژوهشی و آموزشی است و جایگزین تشخیص پزشک متخصص نیست. هر تصمیم بالینی باید توسط متخصص و با در نظر گرفتن شرایط کامل بیمار گرفته شود.