SkinScreen

Die SkinScreen-Anwendung erweitert die Fähigkeiten des Menschen bei der Erkennung und Klassifizierung von Hautläsionen / Hautkrebs im Rahmen der unterstützungsbasierten Gesundheitsziele. SkinScreen bietet die Möglichkeit, bösartige und gutartige Hautläsionen in Echtzeit durch eine hochpräzise und präzise Lösung zu erkennen. Die Lösung nutzt die Kraft des Deep Learning, einer Methode unter künstlicher Intelligenz (KI), um schnellere und genauere Vorhersagen als bisher möglich zu ermöglichen. Durch einen von uns geschützten Begriff namens "Unbeschreibliches Modell" handelt es sich um ein KI-Modell, das zunächst mit Hyperparametern versehen ist. Das Modell trainiert sich jedoch kontinuierlich darin, die beste Anpassung an den Datensatz zu finden, ohne dass künftig ein menschliches Eingreifen erforderlich ist. Derzeit wird die Erkennung manuell von einem Dermatologen oder Techniker mithilfe eines heuristischen Ansatzes durchgeführt, der als ABCDE (Asymmetrie, Randunregelmäßigkeit, Farbe, Durchmesser, Evolution) bekannt ist.

SkinScreen bietet eine Reihe von Unterschieden zu anderen Lösungen auf dem Markt:

1. Gewährleistung der Privatsphäre der Benutzer - Durch die Nutzung der neuesten MobileNetV2-Architektur kann das AI-Modell auf dem Gerät eines Benutzers ausgeführt werden, und im Gegensatz zu anderen Lösungen müssen keine Bilder auf die Server von SkinScreen hochgeladen werden.

2. Erkennen, ob eine Hautläsion vorhanden ist - Viele AI-Hauterkennungslösungen erkennen zunächst nicht, ob eine Hautläsion im Bild vorhanden ist. Sie stützen sich auf manuelle Eingriffe des menschlichen Benutzers, um ein Bild der Hautläsion bereitzustellen. Wenn ein Benutzer beispielsweise ein Bild einer Giraffe bereitstellt, klassifizieren seine Lösungen das Bild unabhängig davon. Das ausgeklügelte KI-Modell von SkinScreen kann vor der Klassifizierung erkennen, ob eine Hautläsion vorliegt.

3. Weitere Klassen von Hautläsionen erkennen - Durch die Erkennung von 9 häufig auftretenden gutartigen und bösartigen Klassen von Hautläsionen (aktinische Keratosen, Angiome, Basalzellkarzinome, Dermatofibrome, melanozytäre Nävus, Melanome, Seborrhoische Keratosen, Plattenepithelkarzinome, Gefäßläsionen) sind wir in der Lage Bieten Sie jedem, der mit SkinScreen kommuniziert, ein besseres Feedback. Und wir bauen die Anzahl der von uns unterstützten Hautläsionsklassen weiter aus.

4. Höhere Genauigkeits- und Präzisionsraten bereitstellen - Wir nutzen einen zweifachen Ansatz, um höhere Genauigkeits- und Präzisionsraten zu erzielen. Wir verwenden zuerst einen Ein-Klassen-Klassifikator, um festzustellen, ob eine Hautläsion im Bild vorhanden ist. Wenn ja, können wir die 3 wahrscheinlichsten Hautläsionsklassen und die damit verbundenen Wahrscheinlichkeiten zurückgeben. Ein Teil davon wird durch die 180.000 Bilder erreicht, mit denen wir unser KI-Modell trainieren.

5. Echtzeit-Feedback geben - SkinScreen kann dem Benutzer Ergebnisse in durchschnittlich weniger als zwei Sekunden zurückgeben. Durch die Nutzung der MobileNetV2-Architektur mit geringerer Latenz und höherer Genauigkeit sowie wenigen proprietären Verbesserungen können wir den Benutzer rechtzeitig über die Ergebnisse informieren.

6. Benutzerfreundliche Tools bereitstellen - Die verschiedenen Plattformen von SkinScreen können Benutzer bei der Interaktion mit dem Tool unterstützen. Wir versuchen dies durch Support-Tools zu erreichen, die für die Erkennung von Hautläsionen unerlässlich sind, unabhängig vom Hintergrund und den Fähigkeiten des Benutzers.