InayofuataMwongozo unaofuata
AI katika Nafasi na Satelaiti
Viwanda
MWONGOZO wa Viwanda
AI katika Dermatology
Ngozi ni kiungo kikubwa zaidi cha mwili, kinachoonekana zaidi, hivyo ngozi ni kifafa asilia kwa AI inayotokana na picha.
Sikiliza mwongozo huuInaonyeshwa na AI · ~2 min
Katika ukurasa huudk 2 kusoma
Muhtasari
Deep learning can classify skin lesions, including potentially deadly melanoma, from photographs at a level that rivals board-certified dermatologists.
Dive ya kina
Utafiti muhimu wa Asili wa 2017 uliofanywa na watafiti wa Stanford ulitoa mafunzo kwa mtandao wa neva kuhusu takriban picha 130,000 za kimatibabu na ilionyesha kuwa inaweza kuainisha saratani za ngozi, pamoja na melanoma na saratani, kwa usahihi kama madaktari 21 wa ngozi walioidhinishwa na bodi. Tangu wakati huo, miundo imeundwa katika programu za simu mahiri na zana za dermoscopy ambazo huchanganua picha zilizokuzwa na za polarized ambazo madaktari wa ngozi hutumia kukagua fuko. Ahadi ni tatu: kusaidia madaktari wa huduma ya msingi na wagonjwa kuamua ni maeneo gani yanahitaji uchunguzi wa haraka wa biopsy, haswa pale ambapo madaktari wa ngozi ni wachache. Lakini dermatology imefichua tatizo la haki dhahiri. Seti nyingi za mafunzo hutawaliwa na ngozi nyepesi, kwa hivyo modeli mara nyingi hufanya kazi vibaya zaidi kwenye ngozi nyeusi, ambapo melanoma ni nadra lakini mbaya zaidi inapokosekana. Kuunda seti mbalimbali za data kama Fitzpatrick 17k na Picha Tofauti za Dermatology sasa ni kipaumbele kikuu.
Utekelezaji wa Ulimwengu Halisi
2017 Stanford CNN iliainisha saratani za ngozi kutoka ~ picha 130,000 sambamba na madaktari wa ngozi 21 walioidhinishwa na bodi, matokeo ya msingi katika uwanja huo.
Programu za simu mahiri na uchunguzi wa ngozi hutatua fuko zinazotiliwa shaka, kusaidia wagonjwa na madaktari wa huduma ya msingi kuamua ni nini kinahitaji ukaguzi wa haraka wa wataalamu.
Mifumo ya upigaji picha wa jumla ya mwili hutumia AI kulinganisha picha kwa wakati na kuashiria vidonda vipya au vinavyobadilika kwa wagonjwa walio katika hatari kubwa.
Seti mbalimbali za data kama Fitzpatrick 17k na Picha za Madaktari Mbalimbali zinaundwa ili kupunguza usahihi duni wa AI kwenye ngozi nyeusi.
Mustakabali wa AI katika Dermatology
Programu za majaribio zinazodhibitiwa na visaidizi vya dermoscopy zitakuwa zana za kawaida za mstari wa kwanza, kupanua uchunguzi wa kiwango cha utaalam hadi mazoezi ya jumla na maeneo ambayo hayajahudumiwa. Kufunga pengo la utendakazi wa ngozi kupitia hifadhidata mbalimbali ni changamoto kuu ya usawa na msukumo unaoendelea wa utafiti. Upigaji picha wa jumla wa mwili na ugunduzi wa mabadiliko ya AI utafuatilia kila fuko kwa wakati, na mifano ya multimodal inayochanganya picha na historia ya mgonjwa na hata hatari ya maumbile inapaswa kunoa anayehitaji biopsy.
Kuiweka katika vitendo
Kwa nini ni muhimu
- Muktadha na sheria. Muktadha wa tasnia huamua kama mawazo ya AI yatadumu katika mawasiliano na ukweli.
- Udhibiti wa ubora. Vikwazo vya kikoa huathiri viwango vinavyokubalika vya makosa na miundo ya uangalizi.
- Tengeneza chaguzi. Usambazaji uliofanikiwa hulinganisha uwezo wa kiufundi na mtiririko wa kazi wa mstari wa mbele.
Jihadharini na
- Mahitaji ya udhibiti yanaweza kubatilisha prototypes zenye nguvu.
- Data ya kihistoria inaweza kusimba upendeleo unaodhuru jumuiya mahususi.
- Mifumo ya urithi inaweza kuunda vikwazo vya ushirikiano na gharama zilizofichwa.
Hatua zinazofuata
- Shirikisha wataalam wa kikoa kutoka kwa uundaji wa shida hadi tathmini.
- Tengeneza njia za ukaguzi na nyaraka kabla ya kuzinduliwa.
- Thibitisha majukumu ya kufuata na usalama mapema.
- Toa kwa awamu kwa vigezo wazi vya kusimamisha na kurejesha.
Endelea Kuchunguza
Jarida halali
Pata taarifa ya kila siku ya AI
Hadithi tatu za AI zilizothibitishwa kila asubuhi ya wiki, zimetengenezwa kwa Kiingereza rahisi. Bila malipo daima, hakuna matangazo.
Barua pepe moja kila siku ya wiki. Jiondoe kwa bonyeza moja. Hatutauza au kushiriki anwani yako.
Jijaribu mwenyewe
Take the AI in Dermatology quiz
Maoni ya haraka juu ya kila jibu, na cheti kinachoweza kushirikishwa na kitambulisho kinachoweza kuthibitishwa baada ya kupita kozi.
Changia elimu ya AI bila malipo. AI Understanding ni 501(c)(3) isiyo na faida — hakuna matangazo, hakuna kizuizi cha malipo, daima. Toa mchango
Maswali yanayoulizwa mara kwa mara
What is AI in Dermatology?
Ngozi ni kiungo kikubwa zaidi cha mwili, kinachoonekana zaidi, hivyo ngozi ni kifafa asilia kwa AI inayotokana na picha. Kujifunza kwa kina kunaweza kuainisha vidonda vya ngozi, ikiwa ni pamoja na melanoma inayoweza kusababisha kifo, kutoka kwa picha katika kiwango ambacho kinashindana na madaktari wa ngozi walioidhinishwa na bodi.
Utafiti wa alama ya ngozi wa Stanford wa 2017 ulionyesha nini?
Imefunzwa kwa takriban picha 130,000, Stanford CNN ililingana na utendaji wa uchunguzi wa madaktari 21 walioidhinishwa na bodi katika kuainisha saratani za ngozi, uthibitisho wa msingi wa dhana ya uwanja huo.
Je, ni tatizo gani kuu la haki lililoandikwa katika dermatology AI?
Seti za data za mafunzo zimetawaliwa na ngozi nyepesi, kwa hivyo modeli mara nyingi hazifanyi kazi vizuri kwenye ngozi nyeusi, ambapo melanoma ni nadra lakini mara nyingi hudhuru inapokosekana.
Dermoscopy inaongeza nini kwenye picha ya kawaida ya ngozi?
Dermoscopy hutumia ukuzaji na mwanga wa polarized ili kufichua rangi na miundo ya mishipa iliyo chini ya uso wa ngozi ambayo jicho uchi haliwezi kuona, na kutoa vipengele vya AI vya kuchanganua.
Ni njia gani za mkato za uwongo ambazo miundo ya ngozi imepatikana ikijifunza?
Kwa sababu alama za ngozi za upasuaji na rula zilionekana hasa katika picha za saratani zikiwa zimetayarishwa kwa biopsy, baadhi ya wanamitindo walijifunza kuhusisha alama hizo na donda ndugu badala ya kidonda chenyewe.
Je, ni 'kiwango cha dhahabu' aina hizi kwa kawaida huidhinishwa dhidi ya nini?
Dermatolojia ya kuaminika AI imethibitishwa dhidi ya uchunguzi uliothibitishwa na biopsy, kiwango cha dhahabu cha histopatholojia, badala ya dhidi ya lebo za kuona ambazo hazijathibitishwa pekee.
Endelea kujifunza
Miongozo inayohusiana
Miongozo zaidi imechaguliwa kwa mada hii