نتایج هوش مصنوعی در پوست

از آنجا که هوش مصنوعی همچنان در حال پیشرفت است ، نیاز به ادبیات اضافی با اشاره به کارایی ماشین های هوشمند در مقایسه با انسان وجود دارد. یکی از این مطالعات عملکرد شبکه عصبی کانولوشن را برای کمک به تشخیص ملانوما در برابر گروه بزرگی از متخصصین پوست آزمایش کرد. این مقاله به بررسی برنامه های کاربردی پشت نتایج این مطالعه و تأثیر نرم افزارهای هوشمند پوست بر صنعت می پردازد.

شبکه های عصبی تحولی چیست؟

به زبان ساده ، شبکه های عصبی متحرک یک تصویر گرفته و آن را به نمایش بردار فشرده (مجموعه ای از اعداد که کامپیوتر به راحتی می تواند پردازش کند) در حالی که اطلاعات بصری موجود در تصویر اصلی را حفظ می کند ، تبدیل می کنند. نمونه ای از این موارد در درماتولوژی می تواند یک پزشک باشد که یک تصویر درموسکوپی از خال بیمار گرفته و سپس آن را به نرم افزاری مانند جستجوی بصری DermEngine ارسال کند. سپس الگوریتم ها شبیه ترین تصاویر را از کتابخانه ای از هزاران تصویر آسیب شناسی از پیش برچسب خورده برای مقایسه توسط متخصص پوست یا متخصص سرطان پوست دریافت می کنند.

مطالعه

شبکه عصبی گوگل (CNN) با مجموعه ای از تصاویر درموسکوپی و تشخیص مربوطه آموزش داده شد. CNN در تشخیص تشخیص ملانوم از بسیاری از متخصصان پوست پیشی گرفت.

نکته احتمالی در این مطالعه این بود که 17 نفر از 58 متخصص پوست خود را مبتدی با کمتر از دو سال تجربه در درموسکوپی معرفی کردند. تجربه بیشتر با عملکرد بهتر در مطالعه همراه بود. همچنین ، این تحقیق شرایط تشخیصی واقعی را منعکس نمی کند. هنگامی که از متخصصان پوست خواسته شد تا تصمیمات مدیریتی را دریافت کنند و هنگامی که اطلاعات بالینی و تصاویر نزدیک به آنها ارائه شد ، عملکرد پزشکان بهبود یافت.