SkinScreen
5+
Prenosi
Primerno za vse
info
O tej aplikaciji
Aplikacija SkinScreen razširja človeške zmožnosti pri odkrivanju in razvrščanju kožnih lezij / kožnega raka v podporne cilje zdravstvenega varstva, ki temeljijo na vrednosti. SkinScreen ponuja možnost zaznavanja malignih in benignih kožnih lezij v realnem času s pomočjo zelo natančne in natančne rešitve. Rešitev izkorišča moč globokega učenja, metode pod umetno inteligenco (AI), ki omogoča hitrejše in natančnejše napovedi, kot so bile prej na voljo. Z izrazom, ki smo ga zaščitili kot Nepopisni model, gre za model umetne inteligence, ki je sprva zasajen s hiperparametri, vendar se model nenehno uči, da najde najboljše ujemanje z naborom podatkov, ne da bi bilo treba v prihodnje posredovati človeka. Trenutno odkrivanje ročno izvaja dermatolog ali tehnik s pomočjo hevrističnega pristopa, znanega kot ABCDE (Asimetrija, nepravilnost meja, barva, premer, evolucija).
SkinScreen ponuja številne razlike kot druge rešitve na trgu:
1. Zagotovite zasebnost uporabnika - Z uporabo najnovejše arhitekture MobileNetV2 lahko model AI deluje v uporabnikovi napravi in nobenih slik ni treba naložiti nazaj na strežnike SkinScreen, za razliko od drugih rešitev.
2. Ugotovite, ali je prisotna kožna lezija - številne rešitve za odkrivanje kože AI ne zaznajo, ali je na sliki prvotno prisotna kožna lezija. Zanašajo se na ročno posredovanje človeškega uporabnika, da zagotovijo podobo kožnih lezij. Če uporabnik na primer predloži sliko žirafe, bodo njihove rešitve sliko razvrstile ne glede na to. Prefinjeni model umetne inteligence SkinScreen lahko pred razvrstitvijo zazna, ali je prisotna kožna lezija.
3. Odkrivanje več razredov kožnih lezij - Z odkrivanjem 9 pogostih benignih in malignih razredov kožnih lezij (aktinične keratoze, angiomi, bazalnocelični karcinom, dermatofibroma, melanocitni nevus, melanom, seboroične keratoze, ploščatocelični karcinom, vaskularne lezije) smo sposobni zagotoviti boljše povratne informacije za vsakega posameznika, ki je vmesnik s SkinScreen. In še naprej širimo število razredov kožnih lezij, ki jih podpiramo.
4. Zagotovite višjo stopnjo natančnosti in natančnosti - za doseganje višjih stopenj natančnosti in natančnosti uporabljamo dvojni pristop. Najprej z enorazrednim klasifikatorjem ugotovimo, ali je na sliki prisotna kožna lezija. Če je tako, potem lahko zagotovimo 3 najverjetnejše razrede kožnih lezij in z njimi povezane verjetnosti. Del tega dosežemo s 180.000 slikami, ki jih uporabljamo za usposabljanje našega modela umetne inteligence.
5. Zagotovite povratne informacije v realnem času - SkinScreen lahko uporabniku v povprečju zagotovi rezultate v manj kot dveh sekundah. Z izkoriščanjem arhitekture MobileNetV2, ki ima nižjo zakasnitev in večjo natančnost ter nekaj lastniških izboljšav, lahko uporabnika pravočasno obvestimo o rezultatih.
6. Zagotovite uporabniku prijazna orodja - različne platforme SkinScreen lahko pomagajo uporabnikom pri njihovi interakciji z orodjem. To poskušamo doseči z orodji za podporo, ki so nujna pri odkrivanju kožnih lezij, ne glede na uporabnikovo ozadje in nabor spretnosti.
SkinScreen ponuja številne razlike kot druge rešitve na trgu:
1. Zagotovite zasebnost uporabnika - Z uporabo najnovejše arhitekture MobileNetV2 lahko model AI deluje v uporabnikovi napravi in nobenih slik ni treba naložiti nazaj na strežnike SkinScreen, za razliko od drugih rešitev.
2. Ugotovite, ali je prisotna kožna lezija - številne rešitve za odkrivanje kože AI ne zaznajo, ali je na sliki prvotno prisotna kožna lezija. Zanašajo se na ročno posredovanje človeškega uporabnika, da zagotovijo podobo kožnih lezij. Če uporabnik na primer predloži sliko žirafe, bodo njihove rešitve sliko razvrstile ne glede na to. Prefinjeni model umetne inteligence SkinScreen lahko pred razvrstitvijo zazna, ali je prisotna kožna lezija.
3. Odkrivanje več razredov kožnih lezij - Z odkrivanjem 9 pogostih benignih in malignih razredov kožnih lezij (aktinične keratoze, angiomi, bazalnocelični karcinom, dermatofibroma, melanocitni nevus, melanom, seboroične keratoze, ploščatocelični karcinom, vaskularne lezije) smo sposobni zagotoviti boljše povratne informacije za vsakega posameznika, ki je vmesnik s SkinScreen. In še naprej širimo število razredov kožnih lezij, ki jih podpiramo.
4. Zagotovite višjo stopnjo natančnosti in natančnosti - za doseganje višjih stopenj natančnosti in natančnosti uporabljamo dvojni pristop. Najprej z enorazrednim klasifikatorjem ugotovimo, ali je na sliki prisotna kožna lezija. Če je tako, potem lahko zagotovimo 3 najverjetnejše razrede kožnih lezij in z njimi povezane verjetnosti. Del tega dosežemo s 180.000 slikami, ki jih uporabljamo za usposabljanje našega modela umetne inteligence.
5. Zagotovite povratne informacije v realnem času - SkinScreen lahko uporabniku v povprečju zagotovi rezultate v manj kot dveh sekundah. Z izkoriščanjem arhitekture MobileNetV2, ki ima nižjo zakasnitev in večjo natančnost ter nekaj lastniških izboljšav, lahko uporabnika pravočasno obvestimo o rezultatih.
6. Zagotovite uporabniku prijazna orodja - različne platforme SkinScreen lahko pomagajo uporabnikom pri njihovi interakciji z orodjem. To poskušamo doseči z orodji za podporo, ki so nujna pri odkrivanju kožnih lezij, ne glede na uporabnikovo ozadje in nabor spretnosti.
Posodobljeno dne
Razumevanje, kako razvijalci zbirajo in razkrivajo vaše podatke, je prvi korak do varnosti. Varovanje podatkov in zagotavljanje varnosti podatkov se morda razlikujeta glede na vašo uporabo, območje in starost. Razvijalec je zagotovil te podatke in jih bo sčasoma morda posodobil.
Podatki se ne razkrivajo drugim ponudnikom
Preberite več o tem, kako razvijalci najavijo deljenje.
Zbranih ni bilo nič podatkov.
Preberite več o tem, kako razvijalci najavijo zbiranje.
Novosti
- Updated to align with latest SDK (v36)
Podpora za aplikacijo
phone
Telefonska številka
+14109147216
O razvijalcu
Jason Benkert
jason.benkert@skinscreen.io
1514 Crowner Rd
Shady Side, MD 20764-9416
United States