Tiếp theoHướng dẫn tiếp theo
AI trong không gian và vệ tinh
ngành công nghiệp
HƯỚNG DẪN ngành
Da là cơ quan lớn nhất, dễ thấy nhất của cơ thể, vì vậy da liễu rất phù hợp với AI dựa trên hình ảnh.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Học sâu có thể phân loại các tổn thương da, bao gồm cả khối u ác tính có khả năng gây tử vong, từ các bức ảnh ở mức độ sánh ngang với các bác sĩ da liễu được hội đồng chứng nhận.
Một nghiên cứu quan trọng trên Nature năm 2017 của các nhà nghiên cứu Stanford đã đào tạo một mạng lưới thần kinh tích chập trên khoảng 130.000 hình ảnh lâm sàng và cho thấy nó có thể phân loại các bệnh ung thư da, bao gồm khối u ác tính và ung thư biểu mô, chính xác như 21 bác sĩ da liễu được hội đồng chứng nhận. Kể từ đó, các mô hình đã được tích hợp vào ứng dụng điện thoại thông minh và công cụ soi da để phân tích hình ảnh phóng đại, phân cực mà các bác sĩ da liễu sử dụng để kiểm tra nốt ruồi. Lời hứa là phân loại: giúp các bác sĩ chăm sóc ban đầu và bệnh nhân quyết định những điểm nào cần sinh thiết khẩn cấp, đặc biệt là những nơi khan hiếm bác sĩ da liễu. Nhưng khoa da liễu đã bộc lộ một vấn đề rõ ràng về sự công bằng. Hầu hết các tập dữ liệu huấn luyện chủ yếu là da sáng, vì vậy các mô hình thường hoạt động kém hơn trên tông màu da tối hơn, nơi khối u ác tính hiếm gặp hơn nhưng nguy hiểm hơn khi bị bỏ sót. Xây dựng các bộ dữ liệu đa dạng như Fitzpatrick 17k và Hình ảnh da liễu đa dạng hiện là ưu tiên hàng đầu.
Stanford CNN năm 2017 đã phân loại ung thư da từ ~130.000 hình ảnh ngang bằng với 21 bác sĩ da liễu được hội đồng chứng nhận, một kết quả nền tảng cho lĩnh vực này.
Ứng dụng điện thoại thông minh và máy soi da phân loại các nốt ruồi đáng ngờ, giúp bệnh nhân và bác sĩ chăm sóc ban đầu quyết định những gì cần được bác sĩ chuyên khoa xem xét khẩn cấp.
Hệ thống chụp ảnh toàn thân sử dụng AI để so sánh hình ảnh theo thời gian và đánh dấu các tổn thương mới hoặc đang thay đổi ở những bệnh nhân có nguy cơ cao.
Các bộ dữ liệu đa dạng như Fitzpatrick 17k và Hình ảnh da liễu đa dạng đang được xây dựng để giảm độ chính xác AI kém hơn trên tông màu da tối hơn.
Các ứng dụng phân loại được quản lý và trợ lý nội soi da sẽ trở thành công cụ hàng đầu thông thường, mở rộng sàng lọc ở cấp độ chuyên gia sang thực hành chung và các khu vực chưa được giám sát. Việc thu hẹp khoảng cách về hiệu suất tông màu da thông qua các bộ dữ liệu đa dạng là thách thức công bằng trọng tâm của lĩnh vực này và là động lực nghiên cứu tích cực. Chụp ảnh toàn bộ cơ thể với tính năng phát hiện thay đổi bằng AI sẽ theo dõi từng nốt ruồi theo thời gian và các mô hình đa phương thức kết hợp hình ảnh với lịch sử bệnh nhân và thậm chí cả nguy cơ di truyền sẽ giúp xác định rõ ai thực sự cần sinh thiết.
Bản tin miễn phí
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Da là cơ quan lớn nhất, dễ thấy nhất của cơ thể, vì vậy da liễu rất phù hợp với AI dựa trên hình ảnh. Học sâu có thể phân loại các tổn thương da, bao gồm cả khối u ác tính có khả năng gây tử vong, từ các bức ảnh ở mức độ sánh ngang với các bác sĩ da liễu được hội đồng chứng nhận.
Được đào tạo dựa trên khoảng 130.000 hình ảnh, CNN của Stanford phù hợp với hiệu suất chẩn đoán của 21 bác sĩ da liễu được hội đồng chứng nhận trong việc phân loại ung thư da, một bằng chứng cơ bản về khái niệm cho lĩnh vực này.
Các tập dữ liệu huấn luyện trước đây thường bị chi phối bởi làn da sáng hơn, vì vậy các mô hình thường hoạt động kém hơn trên làn da sẫm màu hơn, nơi khối u ác tính hiếm gặp hơn nhưng thường gây tử vong nhiều hơn khi bị bỏ qua.
Nội soi da sử dụng độ phóng đại và ánh sáng phân cực để lộ các cấu trúc sắc tố và mạch máu bên dưới bề mặt da mà mắt thường không thể nhìn thấy, mang lại nhiều tính năng phong phú hơn cho AI để phân tích.
Bởi vì các dấu hiệu và thước đo da phẫu thuật xuất hiện chủ yếu trong các hình ảnh ung thư đang được chuẩn bị để sinh thiết, một số mô hình đã học cách liên kết những dấu hiệu đó với bệnh ác tính hơn là chính tổn thương.
AI da liễu đáng tin cậy được xác nhận dựa trên các chẩn đoán được xác nhận bằng sinh thiết, tiêu chuẩn vàng về mô bệnh học, thay vì chỉ dựa trên các nhãn hình ảnh chưa được xác minh.
Tiếp tục học hỏi
Đã chọn thêm hướng dẫn cho chủ đề này
Tiếp theoHướng dẫn tiếp theo
AI trong không gian và vệ tinh
ngành công nghiệp