ปัญญาประดิษฐ์ค้นหาข้อมูลเกี่ยวกับโรคผิวหนัง
advertisement
ชื่อ | Model Dermatol – โรคผิวหนัง |
---|---|
เวอร์ชัน | 14.9.75 |
ปรับปรุง | 16 ก.ย. 2024 |
ขนาด | 15 MB |
ประเภท | การแพทย์ |
การติดตั้ง | 500K+ |
นักพัฒนาซอฟต์แวร์ | IDerma |
Android OS | Android 7.0+ |
Google Play ID | com.phonegap.whichderm |
Model Dermatol – โรคผิวหนัง · คำอธิบาย
ปัญญาประดิษฐ์สามารถวิเคราะห์ภาพถ่ายที่ให้มาและช่วยค้นหาข้อมูลเกี่ยวกับปัญหาผิวหนังของคุณได้ทันที อัลกอริธึมนี้ให้ข้อมูลทางการแพทย์ที่เกี่ยวข้องเกี่ยวกับโรคผิวหนัง (เช่น หูด งูสวัด) มะเร็งผิวหนัง (เช่น เมลาโนมา) และผื่นผิวหนังอื่น ๆ (เช่น ลมพิษ) ในการทดสอบของ Stiftung Warentest ในปี 2022 ซึ่งเป็นองค์กรผู้บริโภคของเยอรมนี แอปนี้ได้รับคะแนนความพึงพอใจที่ต่ำกว่าบริการแพทย์ผิวหนังทางไกลแบบเสียค่าใช้จ่ายเพียงเล็กน้อยเท่านั้น
เมื่อปัญญาประดิษฐ์จับภาพผิวหนังแล้ว ภาพที่ครอบตัดจะถูกส่งไปยังเซิร์ฟเวอร์ แต่ข้อมูลของคุณจะไม่ถูกเก็บไว้
ปัญญาประดิษฐ์ยังให้ลิงก์ไปยังเว็บไซต์ที่อธิบายอาการและลักษณะของโรคผิวหนังและมะเร็งผิวหนัง เช่น มะเร็งผิวหนัง
อัลกอริธึมที่ใช้ในการวินิจฉัยสามารถจำแนกภาพของโรคผิวหนังได้ถึง 186 ชนิด รวมถึงโรคผิวหนังทั่วไป เช่น โรคผิวหนังภูมิแพ้ โรคตุ่มน้ำ ผื่นแพ้น้ำตาล สิว โรคโรซาเซีย โรคเลือดออกใต้ผิวหนัง โรคเชื้อราที่เล็บ ไข้หนูตาย และปาน อีกทั้งยังรองรับการใช้งานได้ถึง 104 ภาษา และทั้งหมดนี้ฟรี
* สิ่งพิมพ์
เราใช้อัลกอริธึม "Model Dermatology" ประสิทธิภาพของตัวแยกประเภทได้รับการตีพิมพ์ในวารสารทางการแพทย์ที่มีชื่อเสียงหลายฉบับ
มีการศึกษาร่วมกันจำนวนมากที่ได้ดำเนินการกับโรงพยาบาลต่างๆ ระดับนานาชาติ รวมถึงมหาวิทยาลัยชินซูล มหาวิทยาลัยอูลซาน มหาวิทยาลัยยอนซอย มหาวิทยาลัยฮัลลิม มหาวิทยาลัยอินเจ มหาวิทยาลัยสแตนฟอร์ด โรงพยาบาล MSKCC และโรงพยาบาล Ospedale San Bortolo
- 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
* ข้อจำกัดความรับผิดชอบ
- โปรดขอคำแนะนำจากแพทย์นอกเหนือจากการใช้แอพนี้และก่อนตัดสินใจทางการแพทย์
- การวินิจฉัยโรคมะเร็งผิวหนังหรือโรคผิวหนังจากภาพทางคลินิกเพียงอย่างเดียวอาจพลาดได้ถึง 10% ของกรณี ดังนั้น แอปนี้จึงไม่สามารถทดแทนการดูแลมาตรฐานได้ (การตรวจด้วยตนเอง)
- การทำนายของอัลกอริทึมไม่ใช่การวินิจฉัยขั้นสุดท้ายของมะเร็งผิวหนังหรือความผิดปกติของผิวหนัง ทำหน้าที่ให้ข้อมูลทางการแพทย์ส่วนบุคคลสำหรับการอ้างอิงเท่านั้น
เมื่อปัญญาประดิษฐ์จับภาพผิวหนังแล้ว ภาพที่ครอบตัดจะถูกส่งไปยังเซิร์ฟเวอร์ แต่ข้อมูลของคุณจะไม่ถูกเก็บไว้
ปัญญาประดิษฐ์ยังให้ลิงก์ไปยังเว็บไซต์ที่อธิบายอาการและลักษณะของโรคผิวหนังและมะเร็งผิวหนัง เช่น มะเร็งผิวหนัง
อัลกอริธึมที่ใช้ในการวินิจฉัยสามารถจำแนกภาพของโรคผิวหนังได้ถึง 186 ชนิด รวมถึงโรคผิวหนังทั่วไป เช่น โรคผิวหนังภูมิแพ้ โรคตุ่มน้ำ ผื่นแพ้น้ำตาล สิว โรคโรซาเซีย โรคเลือดออกใต้ผิวหนัง โรคเชื้อราที่เล็บ ไข้หนูตาย และปาน อีกทั้งยังรองรับการใช้งานได้ถึง 104 ภาษา และทั้งหมดนี้ฟรี
* สิ่งพิมพ์
เราใช้อัลกอริธึม "Model Dermatology" ประสิทธิภาพของตัวแยกประเภทได้รับการตีพิมพ์ในวารสารทางการแพทย์ที่มีชื่อเสียงหลายฉบับ
มีการศึกษาร่วมกันจำนวนมากที่ได้ดำเนินการกับโรงพยาบาลต่างๆ ระดับนานาชาติ รวมถึงมหาวิทยาลัยชินซูล มหาวิทยาลัยอูลซาน มหาวิทยาลัยยอนซอย มหาวิทยาลัยฮัลลิม มหาวิทยาลัยอินเจ มหาวิทยาลัยสแตนฟอร์ด โรงพยาบาล MSKCC และโรงพยาบาล Ospedale San Bortolo
- 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
* ข้อจำกัดความรับผิดชอบ
- โปรดขอคำแนะนำจากแพทย์นอกเหนือจากการใช้แอพนี้และก่อนตัดสินใจทางการแพทย์
- การวินิจฉัยโรคมะเร็งผิวหนังหรือโรคผิวหนังจากภาพทางคลินิกเพียงอย่างเดียวอาจพลาดได้ถึง 10% ของกรณี ดังนั้น แอปนี้จึงไม่สามารถทดแทนการดูแลมาตรฐานได้ (การตรวจด้วยตนเอง)
- การทำนายของอัลกอริทึมไม่ใช่การวินิจฉัยขั้นสุดท้ายของมะเร็งผิวหนังหรือความผิดปกติของผิวหนัง ทำหน้าที่ให้ข้อมูลทางการแพทย์ส่วนบุคคลสำหรับการอ้างอิงเท่านั้น