Ziel des Projekts

Entwicklung einer Anwendung zur Erkennung von Hautkrebs, die Dermatologen und Einzelpersonen bei der Identifizierung potenzieller Hautkrebsläsionen anhand von Bildern von Muttermalen unterstützen kann. Ziel ist es, ein zuverlässiges und zugängliches Instrument für die Früherkennung und Diagnose zu schaffen, das durch frühzeitiges Eingreifen möglicherweise Leben retten kann.

90% Genauigkeit in der Validierungsmenge
37 Dermatologen in der Fokusgruppe

Profil des Partners

Genauigkeit und Metriken

Das trainierte Hautkrebserkennungsmodell erreichte eine Genauigkeit von 53 % bis über 90 % in der Validierungsgruppe. Es wies eine hohe Präzision und Wiedererkennung sowohl für gutartige als auch für bösartige Fälle auf, was auf seine Wirksamkeit bei der Diagnose hinweist.

Die webbasierte Anwendung erhielt positives Feedback von 37 Dermatologen und Nutzern gleichermaßen. Die benutzerfreundliche Oberfläche und die präzisen Vorhersagen trugen dazu bei, dass die Anwendung angenommen und für vorläufige Beurteilungen von Hautläsionen verwendet wurde.

Laufende Verbesserung

Durch die Bereitstellung eines zugänglichen Instruments zur Früherkennung von Hautkrebs hat die Anwendung das Potenzial, ein frühzeitiges Eingreifen zu unterstützen und die Chancen auf eine erfolgreiche Behandlung zu verbessern.

Das Modell wird ständig mit neuen Daten aktualisiert, um seine Genauigkeit zu verbessern und mit dem sich entwickelnden medizinischen Wissen Schritt zu halten. Nutzerfeedback und zusätzliche Funktionen, wie z. B. eine Bewertung des Schweregrads von Hautläsionen, werden für künftige Versionen der Anwendung in Betracht gezogen.

Lösung

Die Kombination aus Scikit-learn, Keras und dem ResNet50-Modell wurde zur Entwicklung einer effektiven Anwendung zur Erkennung von Hautkrebs verwendet. Unser Team hat eine KI-gestützte Webanwendung entwickelt, die maschinelles Lernen und Deep Learning für die Krankheitsfrüherkennung nutzt und die Bedeutung ethischer Überlegungen und kontinuierlicher Verbesserungen bei Anwendungen im Gesundheitswesen unterstreicht.

Web-basierte Anwendung

Erstellung einer benutzerfreundlichen webbasierten Schnittstelle mit Django. Integration des trainierten Modells in die Anwendung. Möglichkeit für Benutzer, Mole-Bilder zur Klassifizierung hochzuladen. Anzeige der Klassifizierungsergebnisse mit einem Hinweis auf die Wahrscheinlichkeit der Bösartigkeit.

Merkmalsextraktion mit ResNet50

Verwendung des ResNet50-Modells, das auf einem großen Datensatz vortrainiert wurde, um hochrangige Merkmale aus Bildern von Muttermalen zu extrahieren. Entfernung der obersten Klassifizierungsschichten, um die Fähigkeit zur Merkmalsextraktion zu erhalten.

Benutzerdefinierter Klassifikator

Entwicklung eines benutzerdefinierten neuronalen Netzwerkklassifizierers mit Keras. Der Klassifikator nimmt ResNet50-Merkmale als Eingabe und gibt Hautkrebs-Klassifizierungen aus (gutartig oder bösartig). Training des Klassifikators mit dem vorverarbeiteten Datensatz.

Bewertung des Modells

Bewertung der Leistung des Modells anhand von Metriken wie Genauigkeit, Präzision, Wiedererkennungswert und F1-Score auf der Validierungsmenge. Abstimmung der Hyperparameter zur Optimierung der Architektur und der Trainingsparameter des Modells.

Datenerhebung und Vorverarbeitung

Ein kuratierter Datensatz mit Bildern von Muttermalen aus verschiedenen Quellen. Aufteilung des Datensatzes in Trainings-, Validierungs- und Testsätze. Vorverarbeitung der Bilder durch Größenänderung (500x500), Formatnormalisierung (Konvertierung in RGB) und Datenerweiterung zur Verbesserung der Modellgeneralisierung.

Technologien

Dataset

A dataset of moles images labeled as benign or malignant

Machine Learning Frameworks

Scikit-learn and Keras

Pre-trained Model

ResNet50 as a feature extractor

Programming Language

Python

Deployment

Django for creating a web-based user interface

Projekte

Benötigen Sie einen Projektkostenvoranschlag?

Schreiben Sie uns, und wir bieten Ihnen eine qualifizierte Beratung.

x
Partnership That Works for You

Your Trusted Agency for Digital Transformation and Custom Software Innovation.