DermLens

La psoriasi è una malattia cronica della pelle contratta da 7,5 milioni di americani e più di 125 milioni di persone in tutto il mondo. Questa malattia ha un enorme effetto negativo sulla qualità di vita di chi ne soffre. Migliorare la gestione di tale patologia avrebbe un enorme impatto sugli individui che ne soffrono e sulla società.

I sintomi più frequenti della psoriasi sono visivi, quindi possono essere catturati da DeepLens. La psoriasi è caratterizzata da macchie insalubri di pelle, tipicamente rosse e squamose.

Utilizzando DeepLens, possiamo fornire una soluzione economica e scalabile per cambiare la vita di milioni di persone per permettere ai pazienti con psoriasi di monitorare e gestire la propria patologia. La svolta consiste nella capacità di eseguire algoritmi e inferenze di machine learning in locale e in tempo reale. In questo modo è possibile classificare e segmentare l’edge della rete alla posizione del paziente, piuttosto che farla dipendere da un hardware centralizzato con una connettività a banda larga alta.

Creato da: Terje Norderhaug e Tom Woolf

Abbiamo utilizzato un set dati di 45 immagini catalogate di pelle con segmenti anormali. Ciascuna immagine nel set di addestramento è stata fornita con una maschera che ne indichi la parte di pelle anormale. Abbiamo addestrato il modello su DeepLens utilizzando le immagini in un set di addestramento.

La nostra integrazione sul cloud utilizza AWS. Oltre a DeepLens, abbiamo usato MQTT per permettere alla nostra applicazione di avere un flusso di informazioni che arrivasse dal dispositivo DeepLens. La nostra funzione Lambda scatta per riportare una stima affidabile sulla severità della psoriasi, basata sulla segmentazione e la percentuale dell’immagine che è vista come potenzialmente a rischio. Abbiamo utilizzato MXNet e Tensorflow per l’addestramento del modello, così come Sagemaker per rifinire l’iper-parametro. Il modello è stato valutato attraverso l’addestramento sia sul dispositivo (vedi il video su YouTube) e da Sagemaker con le nostre immagini in un bucket S3.

Oltre alla console AWS e alle risorse CLI, il progetto si basa su funzioni Node.js e Python Lambda, così come i notebook Python che utilizzano Jupiter e le risorse AWS per l’apprendimento. Abbiamo utilizzato una combinazione con due laptop, un computer desktop e le risorse AWS, così come DeepLens per realizzare e testare l’applicazione.

Abbiamo creato un’applicazione mobile di assistenza per riportare personalmente sintomi aggiuntivi come prurito e fatica utilizzando ClojureScript e React. Dovrebbe essere utilizzato in un caso di assistenza continua in cui i dati riportati sono disponibili per il medico e il suo tema. Speriamo che DeepLens possa essere incorporato in futuro in un prodotto hardware per i pazienti con psoriasi, capace di identificare anche questi altri sintomi.