Dermatologie (Hauterkrankungen) eignet sich gut mit Künstlicher Intelligenz (KI)

von | Jan 16, 2018 | Blog, Künstliche Intelligenz (KI), Nachrichten

Künstliche Intelligenz (KI) CNN vorläufige Ergebnisse

Künstliche Intelligenz (KI) CNN vorläufige Ergebnisse – zeigen eine Hautläsion und was der CNN konzentriert sich auf

Künstliche Intelligenz (KI) Studien in der Radiologie sowohl für Mammographie[1] als auch für Lungen-CT-Scans[2] zeigten, dass die Leistung von Radiologen, insbesondere die Spezifität, mit der Verwendung eines Desktop-KI-Tools für Schnittstellen zur Interpretation der Bilder zunahm.

Probieren Sie unsere KOSTENLOSE Hautbildsuche aus und erhalten Sie jetzt die richtige Antwort

oder fragen Sie einen echten Hautarzt

Fragen Sie noch heute einen Hautarzt Online

 

Convolutional Neural Network (CNN) Einschränkungen

Die Einschränkungen für ein funktionierendes Modell der Künstlichen Intelligenz (KI) mit dem Convolutional Neural Network (CNN)-Modell sind die Qualität der Bilder pro Klassifizierung zusammen mit einem begrenzten Datensatz pro Klassifizierung. Das Thrun-Labor in Stanford USA, das einen Brief im Nature veröffentlichte, verwendete einen Datensatz mit 129.450 klinischen Bildern (klinische Bilder waren hochauflösende Bilder in Fokusbildern, oft von einem professionellen medizinischen Fotografen aufgenommen), bestehend aus 2.032 verschiedenen Krankheiten [3]. Es wurde in zwei Klassen getestet: Keratinozytenkarzinome versus gutartige seborrhoische Keratosen; und maligne Melanome im Vergleich zu gutartigen Nevi. Der CNN war bei der korrekten Diagnose im Vergleich zu 21 Dermatologen in den beiden Klassen auf Augenhöhe.

 

First Derm – automatisierte Hautarzt-Antworten

First Derm hat im Laufe der Jahre eine Datenbank mit vielen 100 tausend anonymen Smartphone-Bildern aufgebaut. Die Datenbank enthält Bilder unterschiedlicher Qualität von ca. 250 verschiedenen Hauterkrankungen. Im Jahr 2017 haben wir das Bildset auf einen CNN mit dem Ziel angewendet, Hautläsionen aus Hautproblemen zu identifizieren, die mit einem Smartphone aufgenommen wurden.

Probieren Sie unsere KOSTENLOSE Hautbildsuche aus und erhalten Sie jetzt die richtige Antwort

 

Vorläufige Ergebnisse

Version 1.0 unserer Web-Oberfläche wird auf 33 Hautkrankheitsklassen (Entzündlich, Maulwürfe und STDs) trainiert. Die Genauigkeit liegt bei 40% bei einer Hauterkrankung und 80% bei den Top-5-Hauterkrankungen. Wir experimentieren ständig, um es besser zu machen. Innerhalb von 9 Monaten ist das Ziel, 80% genau auf eine Hauterkrankung und 100% auf Top-3-Hauterkrankungen zu sein.

Wir haben eine offene API, die in jede Internetplattform und Apps integriert werden kann. Wir unterzeichneten eine virtuelle primäre Tele-Gesundheitsklinik, die sie als Werkzeug für ihre Nicht-Hautarzt als Entscheidungshilfe bei Hautkrankheiten nutzt.

Skin Image Search Molluscum contagiosum on arm ©First Derm

Probieren Sie unsere KOSTENLOSE Hautbildsuche aus und erhalten Sie jetzt die richtige Antwort

 

Hier sind einige weitere Beispiele, die Sie über

ICD 10 L70.0 Akne Hilfe mit künstlicher Intelligenz (KI)
ICD 10 L30.9 Dermatitis (Ekzeme)
ICD 10 L73.9 Folliculitis (Haarwurzelentzündung)
ICD 10 D22.0 Nevus (Muttermal)
ICD 10 L82.9 Seborrhoische Keratose (Senile Maulwurf)
ICD 10 A63.0 Humanes Papillomavirus – HPV (Genitalwarzen)
ICD 10 N48.1 Balanitis (männliche smetische Ekzeme)

References

[1] Intelligent CAD workstation for breast imaging using similarity to known lesions and multiple visual prompt aids. Giger M et al. Proc. SPIE 4684, Medical Imaging 2002.
[2] Machine Learning and Radiology. Wang S, Summers RM. Medical Image Analysis. 2012;16(5):933-951.
[3] Dermatologist-level classification of skin cancer with deep neural networks. Esteva A, Kuprel B et al  Nature 017/02/02/print

 

Probieren Sie unsere KOSTENLOSE Hautbildsuche aus und erhalten Sie jetzt die richtige Antwort

Einen Hautartzt Fragen

Anonym, schnell und sicher!

Über 15.000 Leser

Holen Sie sich frische Inhalte von First Derm

Einen Hautartzt Fragen

Anonym, schnell und sicher!

logo
1 (415) 234-4124
Fall abschicken