SkinScreen

SkinScreen, LLC.

Om denne appen

SkinScreen-applikasjonen utvider menneskelige evner innen påvisning og klassifisering av hudlesjoner / hudkreft i støtteverdibaserte helsemessige mål. SkinScreen tilbyr muligheten til å oppdage ondartede og godartede hudlesjoner i sanntid gjennom en nøyaktig og presis løsning. Løsningen utnytter kraften til dyp læring, en metode under kunstig intelligens (AI), for å tillate raskere og mer nøyaktige spådommer enn tidligere var tilgjengelig. Gjennom et begrep som vi har varemerkebeskyttet, kalt Indescribable Model, er det en AI-modell som først er sådd med hyperparametere, men modellen trener seg kontinuerlig i å finne den beste passformen mot datasettet uten fremtidig menneskelig inngripen. For tiden utføres påvisningen manuelt av en hudlege eller tekniker gjennom en heuristisk tilnærming kjent som ABCDE (Asymmetri, Border Irregularity, Color, Diameter, Evolution).

SkinScreen tilbyr en rekke forskjeller enn andre løsninger i markedet:

1. Sikre brukernes personvern - Ved å utnytte den nyeste MobileNetV2-arkitekturen, kan AI-modellen kjøres på brukerens enhet, og ingen bilder trenger å lastes opp tilbake til SkinScreen-serverne i motsetning til andre løsninger.

2. Oppdag om en hudlesjon er til stede - Mange AI-hudoppdagelsesløsninger oppdager ikke om en hudlesjon er tilstede i bildet i utgangspunktet. De er avhengige av manuell intervensjon fra den menneskelige brukeren for å gi et hudlesjonsbilde. For eksempel, hvis en bruker gir et bilde av en giraff, vil løsningene deres klassifisere bildet uansett. SkinScreens sofistikerte AI-modell kan oppdage om en hudlesjon er tilstede før klassifisering.

3. Oppdage flere klasser av hudlesjoner - Ved å oppdage 9 vanlige godartede og ondartede klasser av hudlesjoner (Actinic Keratoses, Angioma, Basal Cell Carcinoma, Dermatofibroma, Melanocytic nevus, Melanoma, Seborrheic keratoses, Squamous Cell Carcinoma, Vascular lesions) er vi i stand til gi bedre tilbakemeldinger for hver enkelt som grensesnitt med SkinScreen. Og vi fortsetter å utvide antall hudlesjonsklasser som vi støtter.

4. Gi høyere nøyaktighet og presisjonshastigheter - Vi bruker en todelt tilnærming for å oppnå høyere nøyaktighet og presisjonshastigheter. Vi bruker først en klasse-klassifikator for å identifisere om en hudlesjon er tilstede i bildet. I så fall er vi i stand til å gi tilbake de 3 mest sannsynlige hudlesjonsklassene og deres tilknyttede sannsynligheter. En del av dette oppnås gjennom de 180 000 bildene vi bruker for å trene vår AI-modell.

5. Gi tilbakemelding i sanntid - SkinScreen er i stand til å gi tilbake resultater til brukeren på under to sekunder i gjennomsnitt. Ved å utnytte MobileNetV2-arkitekturen som har lavere ventetid og høyere nøyaktighet og få proprietære forbedringer, er vi i stand til å varsle brukeren om resultatene i tide.

6. Gi brukervennlige verktøy - SkinScreens forskjellige plattformer er i stand til å hjelpe brukere i deres samhandling med verktøyet. Vi prøver å oppnå dette gjennom støtteverktøy som er avgjørende for å oppdage hudlesjoner uavhengig av brukerens bakgrunn og ferdighetssett.

Hva er nytt?

- Updated to align with latest SDK (v36)