Обложка канала

ONCOLOGY | ОНКОЛОГИЯ

Всё об онкологии

ONCOLOGY | ОНКОЛОГИЯ

3 года назад
Открыть в
«Искусственный интеллект для диагностики меланомы: как машина помогает человеку?» Раннее выявление меланомы и других злокачественных новообразований - задача, которая становится все более актуальной. Решением этой задачи занимаются в основном врачи онкологи и дерматологи. Из нашего материала вы сможете узнать о том, как искусственный интеллект (ИИ) помогает врачу в диагностике рака кожи. Данные новейшего исследования с использованием ИИ FotoFinder – первого в мире алгоритма, основанного на работе светрочных нейронных сетей и умеющего распознавать рак кожи с высочайшей точностью! Мы расскажем вам: - чем цифровая дерматоскопия отличается от обычной оптической; - насколько эффективен искусственный интеллект и может ли машина заменить врача; - как нейронные сети научились выявлять не только меланому, но и другие злокачественные новообразования кожи; - чем искусственный интеллект способен помочь специалистам с разным опытом в дематоскопии. Обо всём этом читайте в статье https://t.me/cifderm/45, оставляйте свои комментарии и вопросы. Подписывайтесь на сообщество Premium Aesthetics, чтобы получать свежие новости, читать статьи, смотреть видео мастер-классы и лекции об аппаратной косметологии.
Дерматоонкология

Делимся ссылкой новой интересной статьи 🔥об искусственном интеллекте в дерматоонкологии. ⚡️Человек против машины, перезагрузка. Результаты классификации широкого спектра новообразований кожи сверточными нейронными сетями, одобренными к обращению на рынке, в сравнении с эффективностью диагностики 96 дерматологами, работающими в менее искусственных условиях. ⚡️Актуальность: Сверточные нейронные сети (CNN) эффективно дифференцируют новообразования кожи. При этом недостаточно исследований, сравнивающих CNN в отношении широкого спектра диагнозов с оценкой дерматологов. CNN, как правило, обучают методом «контролируемого глубокого обучения». Специализированные фильтры нейронной сети анализируют входящие изображения на уровне пикселей, чтобы правильно классифицировать диагноз. Каждый последующий снимок улучшает способность CNN объединять и взвешивать признаки, относящиеся к диагнозу. ❗️Большинство исследований, изучающих эффективность CNN в классификации рака кожи, показали их соответствие или превосходство…

Telegram