Tecnología
¿Cómo funciona?
SUREA captura imágenes de alta resolución del paciente que interpretamos con nuestro propio algoritmo basado en las últimas investigaciones en IA para obtener un diagnóstico. Utilizamos redes neuronales convolucionales (CNNs) que identifican las distintas patologías cutáneas y sus variantes con una precisión sin precedentes.
¿Cuál es la razón de nuestro éxito?
Nuestro revolucionario sistema aprende de forma continua a través de miles de casos clínicos que se actualizan de forma diaria a nivel mundial, permitiendo un análisis detallado y preciso de las imágenes dermatológicas,Surea está en constante evolución convirtiéndola en la una herramienta eficaz.
¿Cómo funciona?
SUREA captura imágenes de alta resolución del paciente que interpretamos con nuestro propio algoritmo basado en las últimas investigaciones en IA para obtener un diagnóstico. Utilizamos redes neuronales convolucionales (CNNs) que identifican las distintas patologías cutáneas y sus variantes con una precisión sin precedentes.
¿Cuál es la razón de nuestro éxito?
Nuestro revolucionario sistema aprende de forma continua a través de miles de casos clínicos que se actualizan de forma diaria a nivel mundial, permitiendo un análisis detallado y preciso de las imágenes dermatológicas,Surea está en constante evolución convirtiéndola en la una herramienta eficaz.
Aproximación técnica
Recoplicación de datos dermatologicos
Procesamiento de datos dermatologicos
Diseño y arquitectura de la CNN
Entrenamiento y validación de la CNN
Pruebas y evaluación del rendimiento
Integración y despliegue
Desarrollo continuo
RECOPILACIÓN DE DATOS
Para entrenar nuestra CNN han sido necesarias un amplio conjunto y diverso de imágenes dermatológicas que incluían diferentes patologías cutáneas. Estas imágenes han sido etiquetadas por especialistas dermatológicos para garantizar la calidad y precisión.
PROCESAMIENTO DE DATOS
Los datos han sido tratados previamente para estandarizar su tamaño, correciones de iluminación y eliminación de los elementos accesorios que puedan aparecer en las imágenes. Esto garantiza que la CNN se enfoque en las características relevantes de las imágenes.
diseño de la arquitectura de la cnn
La CNN está compuesta por capas convolucionales y de agrupación completamente conectadas. Estas capas trabajan en conjunto para extraer y aprender características jerárquicas de las imágenes, permitiendo a la red identificar la patología. La selección de hiperparametros se optimiza mediante pruebas y ajustes iterativos para mejorar el rendimiento del modelo.
entrenamiento de la cnn
La CNN ha sido entrenada utilizando el conjunto de datos etiquetados y luego se verificará con otro conjunto de datos independiente llamado conjunto de validación. Durante este proceso la CNN ajustó sus configuraciones internas para aumentar la precisión en la clasificación. Además, se ha utilizado la técnica de validación cruzada como K-fold para evaluar y ajustar de manera sistemática el rendimiento del modelo.
pruebas y evaluación del rendimiento
Una vez entrenada y validada la CNN probó un conjunto de datos de prueba no utilizado previamente para evaluar su rendimiento en condiciones similares a las del mundo real. Se calcularon métricas de rendimiento como la precisión, sensibilidad y la especificidad para determinar la efectividad del modelo en la identificación y clasificación de las distintas patologías de la piel.
integración y despliegue
Tras completar el desarrollo y las pruebas de la CNN el modelo se integró en una plataforma de fácil uso y acceso para dermatólogos y demás profesionales sanitarios. Esta plataforma cuenta con una aplicación móvil y una solución web que permita a los usuarios cargar imágenes, obtener resultados de diagnóstico y recibir recomendaciones para el tratamiento y el seguimiento de cada paciente
desarrollo continuo
La capacidad de la CNN para emitir diagnósticos preciosos continuará incrementándose a los largo del tiempo ya que, su rendimiento será mayor cuanto mayor sea el conjunto de datos analizados. Del mismo modo, SUREA cuenta con una tecnología en continuo proceso de mejora adaptándose a las necesidades del sector dermatológico.