SkinScreen

De SkinScreen-applicatie vergroot de menselijke capaciteiten bij het opsporen en classificeren van huidlaesies / huidkanker in de ondersteuningswaarde-gebaseerde gezondheidszorgdoelen. SkinScreen biedt de mogelijkheid om kwaadaardige en goedaardige huidlaesies in realtime te detecteren via een zeer nauwkeurige en nauwkeurige oplossing. De oplossing maakt gebruik van de kracht van deep learning, een methode onder kunstmatige intelligentie (AI), om snellere en nauwkeurigere voorspellingen mogelijk te maken dan voorheen beschikbaar waren. Via een term die we als handelsmerk hebben aangemerkt, genaamd Indescribable Model, is het een AI-model dat aanvankelijk is bezaaid met hyperparameters, maar het model traint zichzelf voortdurend om de beste match te vinden met de dataset zonder dat enige toekomstige menselijke tussenkomst vereist is. Momenteel wordt de detectie handmatig uitgevoerd door een dermatoloog of technicus via een heuristische benadering die bekend staat als ABCDE (asymmetrie, grensonregelmatigheid, kleur, diameter, evolutie).

SkinScreen biedt een aantal verschillen met andere oplossingen op de markt:

1. Zorg voor de privacy van de gebruiker - Door gebruik te maken van de nieuwste MobileNetV2-architectuur kan het AI-model worden uitgevoerd op het apparaat van een gebruiker en hoeven in tegenstelling tot andere oplossingen geen afbeeldingen te worden geüpload naar de servers van SkinScreen.

2. Detecteer of een huidlaesie aanwezig is - Veel AI-huiddetectie-oplossingen detecteren aanvankelijk niet of er een huidlaesie in het beeld aanwezig is. Ze vertrouwen op handmatige tussenkomst van de menselijke gebruiker om een ​​beeld van de huidlaesie te verkrijgen. Als een gebruiker bijvoorbeeld een afbeelding van een giraf geeft, classificeren hun oplossingen de afbeelding hoe dan ook. Het geavanceerde AI-model van SkinScreen kan voorafgaand aan classificatie detecteren of een huidlaesie aanwezig is.

3. Detecteer meer klassen van huidlaesies - Door 9 veelvoorkomende goedaardige en kwaadaardige klassen van huidlaesies (actinische keratosen, angioom, basaalcelcarcinoom, dermatofibroom, melanocytische naevus, melanoom, seborroïsche keratosen, plaveiselcelcarcinoom, vasculaire laesies) te detecteren, kunnen we geef betere feedback voor iedereen die met SkinScreen werkt. En we blijven het aantal huidlaesieklassen dat we ondersteunen uitbreiden.

4. Bied hogere nauwkeurigheids- en precisiesnelheden - We passen een tweevoudige benadering toe om de hogere nauwkeurigheids- en precisiesnelheden te bereiken. We gebruiken eerst een classifier van één klasse om te bepalen of er een huidlaesie aanwezig is in de afbeelding. Als dat het geval is, kunnen we u de drie meest waarschijnlijke klassen van huidlaesies en de bijbehorende waarschijnlijkheden teruggeven. Een deel hiervan wordt bereikt door de 180.000 afbeeldingen die we gebruiken om ons AI-model te trainen.

5. Geef real-time feedback - SkinScreen kan de gebruiker gemiddeld binnen twee seconden resultaten teruggeven. Door gebruik te maken van de MobileNetV2-architectuur met een lagere latentie en een hogere nauwkeurigheid en enkele eigen verbeteringen, kunnen we de gebruiker tijdig op de hoogte stellen van de resultaten.

6. Bied gebruikersvriendelijke tools - De verschillende platforms van SkinScreen kunnen gebruikers helpen bij hun interacties met de tool. We proberen dit te bereiken door middel van ondersteunende tools die noodzakelijk zijn bij het detecteren van huidlaesies, ongeacht de achtergrond en vaardigheden van de gebruiker.