Задача проекта

Создать AI-модуль для автоматического анализа улыбки пациента, сегментации зубов на изображении, подбора оттенка по шкале Vita и повышения объективности оценки за счёт снижения влияния человеческого фактора.

Проект реализован для цифровой стоматологической платформы и является частью мобильного приложения Dentotyp (Android)

Решение внедрено в клинический процесс подбора оттенка зубов и используется как инструмент поддержки принятия врачебных решений.

Контекст на старте проекта
До внедрения AI-решения:
подбор цвета выполнялся вручную
результат зависел от субъективного восприятия врача
отсутствовали цифровые инструменты точной оценки
не применялась автоматическая обработка изображений
Это приводило к:
ошибкам в подборе оттенка
увеличению времени приема
снижению воспроизводимости результата
Решение

Разработан модуль компьютерного зрения Color Smile, интегрированный в платформу и мобильное приложение Dentotyp.

Система в автоматическом режиме:

определяет лицо и зону улыбки
сегментирует зубы
применяет цветовые трансформации
визуализирует результат в реальном времени

Ключевая особенность — использование AI для полного цикла обработки изображения без ручного вмешательства.

Подход команды
Мы использовали end-to-end AI pipeline:

Детекция →

Сегментация →
Цветовая трансформация →
Визуализация

Особенности реализации:
обучение моделей на специализированных стоматологических данных
адаптация под реальные условия съемки (разное освещение, углы, качество)
оптимизация под мобильные устройства (Android)
минимизация задержек обработки
Функциональность
AI-детекция улыбки
обнаружение лица
локализация области рта
выделение зоны интереса
Сегментация зубов
отделение зубов от губ и кожи
формирование точной маски
подготовка данных для цветовой обработки
Подбор цвета по шкале Vita
выбор оттенков (A, B, C, D группы)
интерактивное изменение цвета
визуализация результата в реальном времени
Обучение моделей

Использовано:

собственный размеченный датасет
открытые датасеты
ручная валидация экспертами

Модель:

архитектура: YOLOv11
дообучение под стоматологические кейсы
оптимизация inference под мобильные устройства

Архитектура

AI-модуль — модели компьютерного зрения (YOLOv11 + сегментация)

Backend — API обработки изображений

Frontend — Android-приложение (Dentotyp)

Mobile AI optimization — ускорение обработки на устройстве

Результаты внедрения

Внедрение решения позволило:
снизить субъективность подбора цвета
ускорить процесс подбора на приеме
повысить точность определения оттенков
внедрить инструмент в мобильный workflow врача
обеспечить воспроизводимость результата
Дополнительно:
сокращение времени подбора до нескольких секунд
повышение доверия пациентов за счет визуализации

L-TECH осуществляет полный цикл разработки: от аналитики до запуска в эксплуатацию и последующей поддержки

Срок
3 месяца
Над проектом работали

UX/UI-дизайнер

1 человек

Android-разработчик

1 человек

Backend-разработчик

1 человек

Тестировщик

1 человек

Руководитель проекта

1 человек

AI-команда

ML Engineer (Computer Vision)

1 человек

Data Scientist

1 человек

Data Annotator / Labeling Specialist

1 человек

Хотите аналогичный кейс?

Выберите услугу или несколько услуг, которые вам необходимо обсудить

Некорректно указан телефон
Некорректно указана почта
Бюджет*
  • 0/3000

    Прикрепить файлы

    Допустимы форматы (.txt, .doc, .pdf)

    Мы используем файлы cookie и собираем технические данные (например, IP-адрес и местоположение) для корректной работы сайта и повышения качества наших услуг. Продолжая пользоваться сайтом, вы даете согласие на использование этих технологий на условиях, изложенных в Политике об обработке и защите персональных данных
    Хорошо