SkinScreen

Android Lietotņu Analīze Un Pārskats: SkinScreen, Izstrādājusi SkinScreen, LLC.. Uzskaitīts Rīki Kategorijā. Pašreizējā Versija Ir 12.3, Atjaunināta 11.-22. Saskaņā Ar Lietotāju Pārskatiem Vietnē Google Play: SkinScreen. Sasniegts Vairāk Nekā 8 Instalācijas. SkinScreen Pašlaik Ir 1 Atsauksmes, Vidējais Vērtējums 5.0 Zvaigznes

SkinScreen lietojumprogramma paplašina cilvēka iespējas atklāt un klasificēt ādas bojājumus / ādas vēzi, atbalstot uz vērtību balstītus veselības aprūpes mērķus. SkinScreen piedāvā iespēju reāllaikā atklāt ļaundabīgus un labdabīgus ādas bojājumus, izmantojot ļoti precīzu un precīzu risinājumu. Risinājums izmanto dziļās mācīšanās spēku - metodi, kas ir mākslīgā intelekta (AI) metode, lai ļautu ātrāk un precīzāk prognozēt, nekā bija pieejams iepriekš. Izmantojot apzīmējumu, ko saucam par nenosakāmu modeli, tas ir AI modelis, kas sākotnēji tiek iesēts ar hiperparametriem, tomēr modelis nepārtraukti trenējas atrast vislabāko atbilstību datu kopai bez turpmākas cilvēka iejaukšanās. Pašlaik noteikšanu manuāli veic dermatologs vai tehniķis, izmantojot heiristisku pieeju, kas pazīstama kā ABCDE (asimetrija, robežu neregulitāte, krāsa, diametrs, evolūcija).

SkinScreen piedāvā vairākas atšķirības nekā citi risinājumi tirgū:

1. Nodrošiniet lietotāja privātumu - izmantojot jaunāko MobileNetV2 arhitektūru, AI modelis var darboties lietotāja ierīcē, un atšķirībā no citiem risinājumiem nav nepieciešams augšupielādēt attēlus atpakaļ SkinScreen serveros.

2. Noteikt, vai ir ādas bojājums - Daudzi AI ādas noteikšanas risinājumi nenosaka, vai sākotnēji attēlā ir ādas bojājums. Lai iegūtu ādas bojājuma attēlu, viņi paļaujas uz cilvēka manuālu iejaukšanos. Piemēram, ja lietotājs sniedz žirafes attēlu, viņu risinājumi klasificēs attēlu neatkarīgi. SkinScreen izsmalcinātais AI modelis pirms klasifikācijas spēj noteikt, vai ir ādas bojājums.

3. Atklājiet vairāk ādas bojājumu klases - atklājot 9 kopīgas labdabīgas un ļaundabīgas ādas bojājumu klases (aktīniskās keratozes, angioma, bazālo šūnu karcinoma, dermatofibroma, melanocītiskā nevus, melanoma, seborejas keratozes, plakanšūnu karcinoma, asinsvadu bojājumi), mēs spējam sniegt labākas atsauksmes katram indivīdam, kurš mijiedarbojas ar SkinScreen. Un mēs turpinām paplašināt atbalstīto ādas bojājumu klašu skaitu.

4. Nodrošiniet lielāku precizitāti un precizitātes rādītājus - mēs izmantojam divkāršu pieeju, lai sasniegtu augstāku precizitāti un precizitāti. Vispirms mēs izmantojam vienas klases klasifikatoru, lai noteiktu, vai attēlā ir ādas bojājums. Ja tā, tad mēs varam sniegt 3 visticamākās ādas bojājumu klases un ar tām saistītās varbūtības. Daļa no tā tiek panākta, izmantojot 180 000 attēlu, kurus mēs izmantojam, lai apmācītu mūsu AI modeli.

5. Sniedziet reāllaika atsauksmes - SkinScreen spēj nodrošināt atpakaļ rezultātus lietotājam vidēji mazāk nekā divu sekunžu laikā. Izmantojot MobileNetV2 arhitektūru, kurai ir zemāka latentuma un augstāka precizitāte un maz patentētu uzlabojumu, mēs varam savlaicīgi informēt lietotāju par rezultātiem.

6. Nodrošiniet lietotājam draudzīgus rīkus - SkinScreen dažādās platformas spēj palīdzēt lietotājiem mijiedarbībā ar rīku. Mēs cenšamies to paveikt, izmantojot atbalsta rīkus, kas ir obligāti, lai atklātu ādas bojājumus neatkarīgi no lietotāja fona un prasmju kopuma.

Read more