SkinScreen

SkinScreen, LLC.

关于此应用

SkinScreen应用程序在基于支持值的医疗保健目标中扩展了人类对皮肤病变/皮肤癌的检测和分类的能力。 SkinScreen可通过高度精确的解决方案实时检测恶性和良性皮肤病变。该解决方案利用人工智能（AI）下的一种方法深度学习的功能，可以提供比以前更快，更准确的预测。通过我们已注册的术语“无法描述的模型”，它是一个最初带有超参数的AI模型，但是该模型不断地训练自己，以找到与数据集最匹配的模型，而无需任何人工干预。当前，检测是由皮肤科医生或技术人员通过称为ABCDE（不对称，边界不规则，颜色，直径，演变）的启发式方法手动执行的。

与市场上的其他解决方案相比，SkinScreen提供了许多差异：

1.确保用户隐私-通过利用最新的MobileNetV2架构，AI模型能够在用户的设备上运行，并且无需像其他解决方案一样将图像上传回SkinScreen的服务器。

2.检测是否存在皮肤病变-许多AI皮肤检测解决方案最初并不检测图像中是否存在皮肤病变。他们依靠人类使用者的手动干预来提供皮肤病变图像。例如，如果用户提供长颈鹿的图像，则他们的解决方案将对该图像进行分类。 SkinScreen先进的AI模型能够在分类之前检测是否存在皮肤病变。

3.检测更多类型的皮肤病变-通过检测9种常见的良性和恶性皮肤病变（光化角质病，血管瘤，基底细胞癌，皮肤纤维瘤，黑素细胞痣，黑色素瘤，脂溢性角化病，鳞状细胞癌，血管病变），我们能够为与SkinScreen交互的每个人提供更好的反馈。并且我们正在继续扩大我们支持的皮肤病变类别的数量。

4.提供更高的精度和精确度-我们正在采取两种方法来实现更高的精度和精确度。我们首先使用一类分类器来识别图像中是否存在皮肤病变。如果是这样，那么我们能够提供三种最可能的皮肤病变类别及其相关的概率。这部分通过我们用于训练AI模型的18万张图像来完成。

5.提供实时反馈-SkinScreen能够平均在两秒钟内向用户提供结果。通过利用MobileNetV2体系结构，该体系结构具有较低的延迟和较高的准确性，并且几乎没有专有的增强功能，因此我们可以及时将结果通知用户。

6.提供用户友好的工具-SkinScreen的不同平台能够协助用户与该工具进行交互。我们试图通过支持工​​具来实现这一目标，无论用户的背景和技能如何，都必须在检测皮肤损伤时使用这些工具。

新变化

- Updated to align with latest SDK (v36)