引導式測驗 · 中等 等級
皮膚科人工智慧測驗
回顾皮肤科图像 AI、其诊断分类作用、肤色表示挑战、图像输入和临床验证限制。
問題 1 的 8
2017 年具有里程碑意義的史丹佛皮膚病學研究證明了什麼?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 2017 年具有里程碑意義的史丹佛皮膚病學研究證明了什麼?
- 神經網路對皮膚癌的分類準確度堪比 21 位經過委員會認證的皮膚科醫生
- 人工智慧可以進行皮膚手術
- 從影像中無法檢測出皮膚癌
- 皮膚科醫師總是錯的
- 皮膚科人工智慧中記錄的主要公平問題是什麼?
- 模型僅適用於卡通圖像
- 由於訓練資料以淺色皮膚為主,許多模型在深色膚色上表現較差
- 模型只能看到黑白
- 模特兒拒絕分析雀斑
- 皮膚鏡檢查為標準皮膚照片添加了什麼?
- 血壓讀數
- 3D 全息圖
- 放大倍率和交叉偏振光可顯示表面下的色素和血管
- 下面骨頭的 X 光檢查
- 皮膚病學模型被發現在學習什麼虛假捷徑?
- 計算患者的雀斑數量
- 讀取照片上的日期戳
- 檢測相機品牌
- 將在尺或皮膚標記旁拍攝的病灶標示為惡性
- 這些模型通常驗證的「黃金標準」是什麼?
- 切片檢查確診
- 患者的自我評估
- 病變顏色
- 投擲一枚硬幣
- 皮膚科人工智慧近期最有可能發揮的臨床作用是什麼?
- 立即更換所有皮膚科醫生
- 分診 — 協助確定哪些病灶需要緊急專家檢查或切片
- 自動開抗生素處方
- 進行活檢本身
- 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