Решение позволяет повысить доступность и качество медицинских услуг за счет использования мобильного приложения по автоматизации лабораторной микроскопии
Контроль качества продукции в сфере фармацевтики и выявление заболеваний пациентов с помощью компьютерного зрения и машинного обучения
NitrosBase — Российская высокопроизводительная универсальная СУБД со следующими возможностями: высокая производительность, работа как с реляционными, так и с графовыми данными, масштабируемость, надежность.
Система позволяет проводить диагностику пациента по данным анамнеза, результатов осмотра, лабораторных исследований. Система используется как при обучении, так и для поддержки принятия решений практикующими врачами.
Решение позволяет повысить доступность и качество медицинских услуг за счет обеспечения автоматизированного забора, деперсонализации и обработки медицинских снимков с помощью технологий искусственного интеллекта
Экономичное и простое решение для низкотемпературной стерилизации чувствительных к высокой температуре медицинских изделий. Уникальные возможности для многократной стерилизации ПВХ, электроники, металла, керамики и других материалов.
Компания создана для поддержки образования и практики докторов во всем мире. Мы делаем образовательные медицинские VR-симуляторы, с помощью которых можно изучать различные заболевания и оттачивать хирургические навыки. Также мы разрабатываем системы, которые заменяют первичный прием врача: машины с искусственным интеллектом сами проводят анализ состояния зрения пациента.
Мы взяли за основу стандартные видео о действиях при пожаре и усилили их подачу при помощи автономного шлема Oculus Go.
View project 
Мы разработали AR-приложение, выводящее поверх изображения на кружке анимации с мотивирующими фразами и образами
- Разработать, обучить и объединить в общий ансамбль алгоритмов по обработке медицинских данных (включая DICOM-изображения, DICOM-тэги, метаданные пациента (в т.ч. формализованные протоколы) - Достижение точности классификации не менее 95% на класс (дла задачи классификации снимков/исследований) - Достижение точности выделения сегмента патологии на снимке выше чем 90% (для задачи сегментации)
