SkinScreen

La aplicación SkinScreen amplía las capacidades humanas en la detección y clasificación de lesiones cutáneas / cáncer de piel en los objetivos de asistencia sanitaria basados ​​en valores de apoyo. SkinScreen ofrece la capacidad de detectar lesiones cutáneas benignas y malignas en tiempo real a través de una solución muy precisa y precisa. La solución aprovecha el poder del aprendizaje profundo, un método bajo inteligencia artificial (IA), para permitir predicciones más rápidas y precisas de las que estaban disponibles anteriormente. A través de un término que hemos registrado como marca registrada, llamado Modelo Indescriptible, es un modelo de IA que se siembra con hiperparámetros inicialmente, sin embargo, el modelo se entrena continuamente para encontrar el mejor ajuste contra el conjunto de datos sin que se requiera ninguna intervención humana futura. Actualmente, la detección la realiza manualmente un dermatólogo o técnico mediante un enfoque heurístico conocido como ABCDE (Asimetría, Irregularidad de Bordes, Color, Diámetro, Evolución).

SkinScreen ofrece una serie de diferencias con respecto a otras soluciones del mercado:

1. Garantice la privacidad del usuario: al aprovechar la última arquitectura de MobileNetV2, el modelo de IA puede ejecutarse en el dispositivo de un usuario y no es necesario cargar imágenes en los servidores de SkinScreen a diferencia de otras soluciones.

2. Detectar si hay una lesión en la piel: muchas soluciones de detección de la piel con IA no detectan si hay una lesión en la piel en la imagen inicialmente. Se basan en la intervención manual del usuario humano para proporcionar una imagen de la lesión cutánea. Por ejemplo, si un usuario proporciona una imagen de una jirafa, sus soluciones clasificarán la imagen independientemente. El sofisticado modelo de IA de SkinScreen es capaz de detectar si una lesión cutánea está presente antes de la clasificación.

3. Detectar más clases de lesiones cutáneas: al detectar 9 clases comunes de lesiones cutáneas benignas y malignas (queratosis actínica, angioma, carcinoma de células basales, dermatofibroma, nevo melanocítico, melanoma, queratosis seborreica, carcinoma de células escamosas, lesiones vasculares) podemos proporcionar mejores comentarios para cada individuo que interactúe con SkinScreen. Y continuamos ampliando el número de clases de lesiones cutáneas que apoyamos.

4. Proporcionar mayor precisión y tasas de precisión: estamos aprovechando un enfoque doble para lograr mayores tasas de precisión y precisión. Primero usamos un clasificador de una clase para identificar si una lesión cutánea está presente en la imagen. Si es así, podemos proporcionarle las 3 clases de lesiones cutáneas más probables y sus probabilidades asociadas. Parte de esto se logra a través de las 180,000 imágenes que usamos para entrenar nuestro modelo de IA.

5. Proporcione comentarios en tiempo real: SkinScreen puede proporcionar resultados al usuario en menos de dos segundos en promedio. Al aprovechar la arquitectura MobileNetV2, que tiene una latencia más baja y una precisión más alta, y pocas mejoras patentadas, podemos notificar al usuario los resultados de manera oportuna.

6. Proporcione herramientas fáciles de usar: las diferentes plataformas de SkinScreen pueden ayudar a los usuarios en sus interacciones con la herramienta. Tratamos de lograr esto a través de herramientas de apoyo que son imperativas para detectar lesiones cutáneas independientemente de los antecedentes y habilidades del usuario.