Nettplattform for rekonstruksjon av kroppsdeler i 3D

Selv om prosjektet var ambisiøst og utfordrende, klarte våre spesialister å fullføre det. Først estimerte våre spesialister arbeidsomfanget og evaluerte viktige milepæler. For å oppfylle tekniske og forretningsmessige krav valgte vi den best egnede teknologistakken basert på vår omfattende ekspertise.

Vårt dedikerte team brukte Python til å lage den medisinske 3D-modelleringsprogramvaren og sikre smidig tredjepartsintegrasjon. Siden kostbar maskinvare på klientsiden ikke var økonomisk rasjonelt, utnyttet vi AWS-egenskapene fullt ut for å løse opp programvarearkitekturen i skyen. Gjennom API-gateways utviklet vi også en desktop-versjon som fungerer på samme måte som nettplattformen.

For å gjøre 3D-rekonstruksjon nøyaktig og pålitelig brukte vi forskjellige ML-verktøy og tilnærminger for å løse deteksjons-, klassifiserings- og segmenteringsoppgaver, samt datamerking. I tillegg brukte prosjektteamet vårt ML-funksjoner og datasyn for å øke nivået på treningsmodellene. For å oppfylle kundens krav tok Innowise flere samtidige tilnærminger med hensyn til innfødt 3D- og bildeskivebehandling. Som et resultat presenterte vi et innovativt 3D-gjengivelsesverktøy med en ML-basert automatisk pipeline for omskolering og produksjon av modeller tilpasset medisinske behov.

Teamet vårt jobbet basert på den smidige utviklingsmetoden Scrum med regelmessige teammøter og kommunikasjon via Google Meet. For tiden pågår prosjektet, og Innowise jobber kontinuerlig med å videreutvikle plattformen og sikre integrasjoner med tredjeparts medisinske apper og tjenester.