SkinScreen

SkinScreen應用程序在基於支持值的醫療保健目標中擴展了人類對皮膚病變/皮膚癌的檢測和分類的能力。 SkinScreen可通過高度精確的解決方案實時檢測惡性和良性皮膚病變。該解決方案利用人工智能（AI）下的一種方法深度學習的功能，可以提供比以前更快，更準確的預測。通過我們已註冊的術語“無法描述的模型”，它是一個最初帶有超參數的AI模型，但是該模型不斷地訓練自己，以找到與數據集最匹配的模型，而無需任何人工干預。當前，檢測是由皮膚科醫生或技術人員通過稱為ABCDE（不對稱，邊界不規則，顏色，直徑，演變）的啟發式方法手動執行的。

與市場上的其他解決方案相比，SkinScreen提供了許多差異：

1.確保用戶隱私-通過利用最新的MobileNetV2架構，AI模型能夠在用戶的設備上運行，並且無需像其他解決方案一樣將圖像上傳回SkinScreen的服務器。

2.檢測是否存在皮膚病變-許多AI皮膚檢測解決方案最初並不檢測圖像中是否存在皮膚病變。他們依靠人類使用者的手動干預來提供皮膚病變圖像。例如，如果用戶提供長頸鹿的圖像，則他們的解決方案將對該圖像進行分類。 SkinScreen先進的AI模型能夠在分類之前檢測是否存在皮膚病變。

3.檢測更多類型的皮膚病變-通過檢測9種常見的良性和惡性皮膚病變（光化角質病，血管瘤，基底細胞癌，皮膚纖維瘤，黑素細胞痣，黑色素瘤，脂溢性角化病，鱗狀細胞癌，血管病變），我們能夠為與SkinScreen交互的每個人提供更好的反饋。並且我們正在繼續擴大我們支持的皮膚病變類別的數量。

4.提供更高的精度和精確度-我們正在採取兩種方法來實現更高的精度和精確度。我們首先使用一類分類器來識別圖像中是否存在皮膚病變。如果是這樣，那麼我們能夠提供三種最可能的皮膚病變類別及其相關的概率。這部分通過我們用於訓練AI模型的18萬張圖像來完成。

5.提供實時反饋-SkinScreen能夠平均在兩秒鐘內向用戶提供結果。通過利用MobileNetV2體系結構，該體系結構具有較低的延遲和較高的準確性，並且幾乎沒有專有的增強功能，因此我們可以及時將結果通知用戶。

6.提供用戶友好的工具-SkinScreen的不同平台能夠協助用戶與該工具進行交互。我們試圖通過支持工具來實現這一目標，無論用戶的背景和技能如何，都必須在檢測皮膚損傷時使用這些工具。