Model Dermatol– Cilt hastalığı

Yapay Zeka Cilt Hastalıkları Hakkında Bilgi Arıyor

Yapay zeka, gönderilen fotoğrafı tarayarak cilt probleminizi hızlı ve doğru bir şekilde tanımlamanıza yardımcı olur. Yapay zeka, cilt hastalıkları (örneğin; deri döküntüleri, siğiller, kurdeşen) ve cilt kanseri (örneğin; melanom) hakkında ilgili tıbbi bilgiler sağlar.

◉ Cilt fotoğraflarınızı çekin ve gönderin. Kesilmiş görüntüler aktarılır, ancak verileriniz saklanmaz.

◉ Yapay zeka, cilt hastalığı ve cilt kanserinin (örneğin; melanom) ilgili belirtilerini ve semptomlarını açıklayan web sitelerine bağlantılar sağlar.

◉ Algoritma, atopik dermatit, kurdeşen, egzama, sedef hastalığı, akne, rosacea, onikomikoz, melanom, nevus gibi yaygın cilt bozukluğu türleri dahil olmak üzere 186 cilt hastalığının görüntülerini sınıflandırabilir.

◉ Algoritmanın kullanımı ücretsizdir ve toplamda 104 dil desteklenir.

🞹 Yayın

"Model Dermatoloy" algoritmasını kullanıyoruz. Sınıflandırıcının performansı birçok prestijli tıp dergisinde yayınlandı. Çeşitli uluslararası hastanelerle birlikte, Seoul Ulusal Üniversitesi, Ulsan Üniversitesi, Yonsei Üniversitesi, Hallym Üniversitesi, Inje Üniversitesi, Stanford, MSKCC ve Ospedale San Bortolo gibi kurumlarla birçok işbirlikçi çalışma yapılmıştır.

- 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

🞹 Feragatname

- Lütfen bu uygulamayı kullanmanın yanı sıra ve herhangi bir tıbbi karar vermeden önce bir doktor tavsiyesi alın.

- Yalnızca klinik görüntülere dayalı cilt kanseri veya cilt bozukluğu teşhisi, vakaların %10'una kadarını kaçırabilir. Bu nedenle, bu uygulama standart bakımın (şahsen muayene) yerine geçemez.

- Algoritmanın tahmini, cilt kanseri veya cilt bozukluğunun nihai teşhisi değildir. Yalnızca referans için kişiselleştirilmiş tıbbi bilgiler sağlamaya hizmet eder.