其他行业 · AI应用
皮肤科医生级别的皮肤癌识别
斯坦福大学的研究人员发现，皮肤癌的早期检测对有效治疗至关重要，但可及的诊断手段不足。为此，他们开发了一个深度卷积神经网络，能够分析皮肤病变图像。该算法在包含近13万张图像、涵盖2000多种皮肤疾病的定制数据集上进行了精心训练，该数据集是与医学院合作整理的。结果显示，在角化细胞癌和黑色素瘤分类测试中，AI的诊断准确率与21名专业皮肤科医生相当。最终目标是使该技术适用于智能手机，从而让更广泛的人群能够进行皮肤癌筛查。
开发了一个深度卷积神经网络，利用近13万张皮肤病变图像进行皮肤癌诊断。
未披露
该算法在角化细胞癌和黑色素瘤分类等关键任务中达到了与21名专业皮肤科医生相当的诊断性能。
未披露
旨在通过使算法兼容智能手机来提高皮肤癌筛查的可及性。
未披露
01
业务背景
斯坦福大学的研究人员发现，皮肤癌的早期检测对有效治疗至关重要，但可及的诊断手段不足。为此，他们开发了一个深度卷积神经网络，能够分析皮肤病变图像。该算法在包含近13万张图像、涵盖2000多种皮肤疾病的定制数据集上进行了精心训练，该数据集是与医学院合作整理的。结果显示，在角化细胞癌和黑色素瘤分类测试中，AI的诊断准确率与21名专业皮肤科医生相当。最终目标是使该技术适用于智能手机，从而让更广泛的人群能够进行皮肤癌筛查。
02
遇到的问题
03
AI 解决方案
04
实施结果
开发了一个深度卷积神经网络，利用近13万张皮肤病变图像进行皮肤癌诊断。：
该算法在角化细胞癌和黑色素瘤分类等关键任务中达到了与21名专业皮肤科医生相当的诊断性能。：
旨在通过使算法兼容智能手机来提高皮肤癌筛查的可及性。：
与医学院合作，整理了代表2000多种不同疾病的数据集。：
在开发过程中使用了CUDA、NVIDIA TITAN X GPU和cuDNN等先进技术。：
05
风险与边界
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。