가이드 연계 퀴즈 · 중간 레벨

피부과 퀴즈의 AI

피부과 이미지 AI, 진단 분류 역할, 피부색 표현 문제, 이미지 입력 및 임상 검증 한계를 검토합니다.

획기적인 2017년 스탠포드 피부과 연구는 무엇을 보여주었습니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

획기적인 2017년 스탠포드 피부과 연구는 무엇을 보여주었습니까?
- 신경망은 피부과 전문의 21명만큼 정확하게 피부암을 분류합니다.
- AI가 피부 수술을 할 수 있다
- 이미지에서는 피부암을 감지할 수 없습니다.
- 피부과 의사는 항상 틀리죠
피부과 AI에 기록된 주요 공정성 문제는 무엇입니까?
- 모델은 만화 이미지에서만 작업합니다.
- 밝은 피부가 지배적인 훈련 데이터로 인해 어두운 피부색에서 많은 모델의 성능이 저하됩니다.
- 모델은 흑백으로만 볼 수 있습니다.
- 모델들은 주근깨 분석을 거부합니다
피부경검사는 표준 피부 사진에 무엇을 추가합니까?
- 혈압 측정
- 3D 홀로그램
- 표면 아래의 색소와 혈관을 드러내는 확대 및 교차 편광
- 아래 뼈의 X-레이
피부과 모델이 학습한 가짜 지름길은 무엇입니까?
- 환자의 주근깨 개수 세기
- 사진의 날짜 스탬프 읽기
- 카메라 브랜드 감지
- 자 또는 피부 표시자 옆에 촬영된 병변을 악성으로 표시함
이러한 모델이 일반적으로 검증되는 '최적 표준'은 무엇입니까?
- 생검으로 확진된 진단
- 환자의 자기 평가
- 병변의 색
- 동전 뒤집기
피부과 AI의 가장 가까운 단기 임상 역할은 무엇입니까?
- 피부과 의사 모두 즉시 교체
- 분류 — 어떤 병변에 긴급한 전문가 검토 또는 생검이 필요한지 결정하는 데 도움
- 자동으로 항생제 처방
- 생체검사 자체 수행
What is the purpose of building datasets such as Fitzpatrick17k and Diverse Dermatology Images?
- To replace biopsy confirmation in clinical care
- To collect only images of light skin
- To support evaluation and training with a wider range of skin tones and reduce representation gaps
- To convert dermoscopic photographs into X-rays
What can AI-assisted total-body photography help flag for clinician review over time?
- Changes in a patient’s blood pressure
- The presence of a bone fracture
- Whether a biopsy result is benign
- New or changing skin lesions