# Задачи для следующей сессии

## Сравнение текущей реализации с требованиями

### ✅ РЕАЛИЗОВАНО

| Требование | Статус | Файл |
|------------|--------|------|
| Бинарная классификация OK/Нарушение | ✅ Готово | src/dxa/model.py |
| Определение анатомической области | ✅ Готово | src/dxa/inference.py |
| Экспорт в XLSX/CSV | ✅ Готово | src/main.py /api/v1/export |
| API для пакетной обработки | ✅ Готово | src/main.py /api/v1/batch |
| Docker контейнеризация | ✅ Готово | Dockerfile |
| Web-интерфейс | ✅ Готово | src/api/static/ |
| Определение типа нарушения | ✅ Частично | src/quality/detailed_assessment.py |
| Детальные метрики качества | ✅ Готово | src/quality/detailed_assessment.py |
| Проверка движения (motion) | ✅ Готово | detect_motion_blur() |
| Проверка артефактов | ✅ Готово | detect_artifacts() |
| DICOM SR формат | ✅ Готово | /api/v1/analyze/sr |
| Визуализация маски | ✅ Готово | include_visualization=true |

---

## Мультимодельная архитектура

См. документацию: `docs/multi_model_architecture.md`

```
Pipeline:
1. Region Detector → 2. Segmentator → 3. Quality Classifier → 4. Violation Type → 5. Aggregator
```

### Модели:

| Модель | Назначение | Файл |
|--------|------------|------|
| Region Detector | Spine/Hip определение | `src/models/region_detector.py` |
| Segmentator | Сегментация костей | `src/models/segmentation/` |
| Quality Classifier | OK/Violation бинарный | `src/models/classification/quality.py` |
| Violation Classifier | Типы нарушений (7+) | `src/models/classification/violation.py` |
| Artifact Detector | Детекция артефактов | `src/models/artifacts/detector.py` |
| Grad-CAM | Heatmap внимания | `src/models/visualization/gradcam.py` |

---

## ПЛАН РЕАЛИЗАЦИИ

### Фаза 1: Архитектура и модели (высокий приоритет)

1. **Создать структуру моделей**
   - `src/models/` - директория для всех моделей
   - `src/pipeline/` - основной пайплайн
   - `src/training/` - скрипты обучения

2. **Region Detector**
   - Переиспользовать текущую логику из inference.py
   - Обучить классификатор на 4 класса

3. **Segmentation Models**
   - Spine Segmentator (U-Net)
   - Hip Segmentator (U-Net)

4. **Quality Classifier (бинарный)**
   - ResNet18 с attention
   - Weighted loss для балансировки

5. **Violation Type Classifier (многоклассовый)**
   - 7 классов для spine
   - 7 классов для hip
   - Multi-task learning

### Фаза 2: Пайплайн и интеграция

6. **Pipeline класс**
   - Объединение всех моделей
   - Queue для асинхронной обработки

7. **API интеграция**
   - Обновить endpoints для использования пайплайна
   - Batch processing

### Фаза 3: Визуализация и метрики

8. **Grad-CAM Heatmap**
   - Извлечение attention карт
   - Наложение на изображение

9. **Метрики**
   - ROC-AUC, PR-AUC
   - Macro-F1 с доверительными интервалами

---

## Текущие ограничения

1. Модель обучена на бинарную классификацию - нужно переобучение
2. F1 ~0.27 - низкий из-за дисбаланса классов
3. Датасет ~100 исследований - нужно 500+
4. Сегментация использует простой threshold - нужно дообучить модель
5. Heatmap не реализовано - требует дообучения

---

## ЗАПУСК ДЛЯ ТЕСТИРОВАНИЯ

```bash
cd /Users/denis/workspace/bone_2026
python -m uvicorn src.main:app --host 0.0.0.0 --port 8000
```

Открыть http://localhost:8000