Model Dermatol– penyakit kulit

Kecerdasan buatan Mencari Maklumat tentang Penyakit Kulit

Kepintaran buatan akan mengimbas gambar yang disediakan dan dengan serta-merta membantu mengenal pasti masalah kulit anda. Kecerdasan buatan akan menyediakan maklumat perubatan yang berkaitan tentang penyakit kulit (cth., ruam kulit, ketuat, gatal-gatal) dan kanser kulit (cth., melanoma).

- Tangkap gambar kulit dan serahkan. Imej yang dipangkas akan dipindahkan, tetapi kami tidak menyimpan data anda.

- Kecerdasan buatan menyediakan pautan ke tapak web yang menerangkan tanda dan gejala penyakit kulit dan kanser kulit yang berkaitan (mis., melanoma).

- Algoritma boleh mengklasifikasikan imej 186 penyakit kulit, termasuk jenis gangguan kulit yang biasa (cth., dermatitis atopik, gatal-gatal, ekzema, psoriasis, jerawat, rosacea, onikomikosis, melanoma, nevus).

- Penggunaan algoritma adalah percuma dan sejumlah 104 bahasa disokong.

* Penerbitan

Kami menggunakan algoritma "Dermatologi Model". Prestasi pengelas telah diterbitkan dalam beberapa jurnal perubatan berprestij.

- Assessment of Deep Neural Networks for the Diagnosis of Benign and Malignant Skin Neoplasms in Comparison with Dermatologists: A Retrospective Validation Study. PLOS Medicine, 2020

- Performance of a deep neural network in teledermatology: a single center prospective diagnostic study. J Eur Acad Dermatol Venereol. 2020

- Keratinocytic Skin Cancer Detection on the Face using Region-based Convolutional Neural Network. JAMA Dermatol. 2019

- Seems to be low, but is it really poor? : Need for Cohort and Comparative studies to Clarify Performance of Deep Neural Networks. J Invest Dermatol. 2020

- Multiclass Artificial Intelligence in Dermatology: Progress but Still Room for Improvement. J Invest Dermatol. 2020

- Augment Intelligence Dermatology : Deep Neural Networks Empower Medical Professionals in Diagnosing Skin Cancer and Predicting Treatment Options for 134 Skin Disorders. J Invest Dermatol. 2020

- Interpretation of the Outputs of Deep Learning Model trained with Skin Cancer Dataset. J Invest Dermatol. 2018

- Automated Dermatological Diagnosis: Hype or Reality? J Invest Dermatol. 2018

- Classification of the Clinical Images for Benign and Malignant Cutaneous Tumors Using a Deep Learning Algorithm. J Invest Dermatol. 2018

- Augmenting the Accuracy of Trainee Doctors in Diagnosing Skin Lesions Suspected of Skin Neoplasms in a Real-World Setting: A Prospective Controlled Before and After Study. PLOS One, 2022

- Evaluation of Artificial Intelligence-assisted Diagnosis of Skin Neoplasms – a single-center, paralleled, unmasked, randomized controlled trial. J Invest Dermatol. 2022

* Penafian

- Sila dapatkan nasihat doktor selain menggunakan aplikasi ini dan sebelum membuat sebarang keputusan perubatan.

- Diagnosis kanser kulit atau gangguan kulit hanya berdasarkan imej klinikal mungkin terlepas sehingga 10% daripada kes. Oleh itu, aplikasi ini tidak boleh menggantikan penjagaan standard (pemeriksaan peribadi).

- Ramalan algoritma bukanlah diagnosis akhir kanser kulit atau gangguan kulit. Ia hanya berfungsi untuk menyediakan maklumat perubatan yang diperibadikan sebagai rujukan