KI, die mitdenkt.

Tools, die weitersehen.

Mit FotoFinder AI holen Sie künstliche Intelligenz direkt in Ihre Praxis – intuitiv bedienbar, leistungsstark im Einsatz und präzise in der Analyse.
Ob bei der Total Body Dermoscopy, der Auflichtmikroskopie oder der Trichoskopie: FotoFinder AI bildet das intelligente Herzstück unserer Technologie.

Denn moderne Hautdiagnostik braucht mehr als brillante Bilder. Sie braucht Systeme, die mitdenken – und smarte Tools, die Sie im klinischen Alltag gezielt bei fundierten Entscheidungen unterstützen.
Deshalb haben wir zwei KI-gestützte Lösungen entwickelt, die sich ideal ergänzen – mobil oder stationär, sofort einsatzbereit oder mit tiefgehenden Vergleichsfunktionen.

Das Profi-Tool für präzise Beurteilung

Moleanalyzer pro

Ihre KI-Assistentin in Echtzeit

AIMEE

Haaranalyse und Trichoskopie

Trichoscale DX

Vom Machine Learning zum Deep Learning

Während die ersten Algorithmen noch auf maschinellem Lernen beruhten, basiert die heutige FotoFinder AI zur Ersteinschätzung von Hautläsionen auf modernsten Deep Learning-Modellen. Dabei wird die menschliche Fähigkeit, aus Beispielen und Erfahrungen zu lernen, auf den Computer übertragen. Künstliche neuronale Netze ermöglichen komplexes Lernen, das den biologischen Lernprozessen ähnlich ist. 

Dies erfordert einen umfangreiche Datenbasis. FotoFinder verfügt über die derzeit größte Datensammlung von dermatoskopischen Bildern einschließlich der dazugehörigen Diagnose. 
Die kontinuierliche „Fütterung“ des Algorithmus gelingt dank jahrelanger Kooperationen mit Ärzten aus der ganzen Welt! Während unzählige AI-Projekte noch in der Prototyp-Phase laufen oder keine nennenswerte Datenbasis haben, ist der Moleanalyzer pro bereits in zahlreichen klinischen Studien validiert.

MoleAnalyzer Pro

Das Profi-Tool für präzise Beurteilung

MoleAnalyzer Pro – das Profi-Tool für präzise Beurteilung.
Unser exklusives Analysetool für High-End-Bildgebungssysteme bietet umfangreiche Möglichkeiten zum Vergleich und zur Bewertung von Läsionen. Verlaufskontrollen, visuelle Gegenüberstellungen und intelligente Analysen machen es zu einem unverzichtbaren Werkzeug für Ihre tägliche Praxis.
 

AIMEE

Ihre KI-Assistentin in Echtzeit

AIMEE unterstützt Ihre Entscheidungsfindung mit einem klinisch validierten KI-Score – direkt am Gerät und in Echtzeit. Für bessere Ergebnisse, schnellere Entscheidungen und ein verbessertes Patientenerlebnis. 

Ob integriert in unsere High-End-Systeme oder mobil über skeen in Kombination mit einem aktiven Hub Cloud Solutions Abo: Sie profitieren von unbegrenzten KI-Auswertungen für Hunderte von Läsionen – flexibel, zuverlässig und überall einsatzbereit.
 

Bodyscan

Intelligente Anordnung von Hautläsionen

Die Bodyscan Mosaikansicht filtert die Läsionen aus ALLEN Ganzkörperbildern und ordnet sie intelligent auf EINEM Bildschirm an, sortiert nach Lokalisation oder nach Kategorie – neu, verändert und unverändert. Diese Ansicht hilft Ihnen, atypische Läsionen schnell zu identifizieren.

Im Bodyscan Bild­vergleich werden neue, veränderte und unveränderte Läsionen in verschiedenen Farben visualisiert. 
 

Trichscale DX

Haaranalyse und Trichos­­­kopie

Die Software Trichoscale DX unterstützt Sie bei der Evaluierung von Haar und Kopfhaut – schmerzfrei, ohne Zupfen und bei gekürztem oder ungekürztem Haar. 

Das Programm berechnet gemessene Fläche, Anzahl, Dichte, durchschnittliche Länge, Anagen-Telogen-Rate sowie Anzahl und Dichte der Vellus- und Terminalhaare. Darüber hinaus liefert es Informationen zu Yellow Dots und follikulären Einheiten. Ein wertvolles Tool für die Haarsprechstunde!
 

Wissenschaftliche Studien

Sage Journals – 2023

Using Artificial Intelligence as a Melanoma Screening Tool in Self-Referred Patients

M. Crawford, P. Hull et al. (2023)

JAMA Network - 2023

Human With Machine

Assessment of Diagnostic Performance of Dermatologists Cooperating With a Convolutional Neural Network in a Prospective Clinical Study

Winkler et al. (2023)

ScienceDirect – 2023

Observational study

Investigating the level of support from a convolutional neural network in face and scalp lesions deemed diagnostically ‘unclear’ by dermatologists

K. S. Kommoss at al. (2023)

EJC – 2022

Does sex matter?

Analysis of sex-related differences in the diagnostic performance of a market-approved convolutional neural network for skin cancer detection

Sies et al. (2022)

PubMed – 2021

Skin lesions of face and scalp

Classification by a market-approved convolutional neural network in comparison with 64 dermatologists

Haenssle et al. (2021)

PubMed – 2021

Comparative Study

The use of noninvasive imaging techniques in the diagnosis of melanoma: a prospective diagnostic accuracy study

MacLellan et al. (2021)

ScienceDirect – 2021

Original Research

Association between different scale bars in dermoscopic images and diagnostic performance of a market-approved deep learning convolutional neural network for melanoma recognition

Winkler et al. (2021)


 

ScienceDirect – 2020

Man against machine reloaded

Performance of a market-approved convolutional neural network in classifying a broad spectrum of skin lesions in comparison with 96 dermatologists working under less artificial conditions

Haenssle et al. (2020)

PubMed – 2020

Skin lesions of face and scalp

Classification by a market-approved convolutional neural network in comparison with 64 dermatologists.

Haenssle et al. (2020)

PubMed – 2020

Melanoma recognition by a deep learning convolutional neural network

Performance in different melanoma subtypes and localisations.

Winkler et al. (2020)

ScienceDirect – 2020

The Use of Non-Invasive Imaging Techniques in the Diagnosis of Melanoma

A Prospective Diagnostic Accuracy Study

MacLellan et al. (2020)

Nature Medicine – 2020

Human–computer collaboration for skin cancer recognition

Tschandl  et al. (2020)

PubMed – 2020

Past and present of computer-assisted dermoscopic diagnosis

Performance of a conventional image analyser versus a convolutional neural network in a prospective data set of 1,981 skin lesion.

Sies et al. (2020)

PubMed – 2020

Diagnostic performance of a deep learning convolutional neural network in the differentiation of combined naevi and melanomas

Haenssle et al. (2020)

Wiley Online Library – 2019

Diagnostic performance of a deep learning convolutional neural network in the differentiation of combined naevi and melanomas

Fink et al. (2019)

PubMed – 20218

Man against machine

Haenssle et al. (2018)

Die Geschichte der FotoFinder KI Tools

  Schon früh hat FotoFinder das Potenzial Künstlicher Intelligenz für die Hautkrebs-Früherkennung erkannt und nimmt seitdem eine Vorreiterrolle bei der Entwicklung von intelligenten Softwarelösungen für die Dermatologie ein. 

2023

AIMEE

Artificial Intelligence Mole Examination and Evaluation: Der KI-Assistent, der den Dermatoskopie-Workflow revolutioniert.

2019

Total Body Dermoscopy

Automatisches Total Body Mapping & Dermatoskopie werden Total Body Dermoscopy.

2017

Moleanalyzer pro

Die erste intelligente Hautanalyse mit KI-Scoring zur Ersteinschätzung von Haut¬läsionen: Artificial Intelligence meets Human Experience.

2001

Bodyscan

Ein Quantensprung im Bild­vergleich: Der Urvater des Bodyscan master entstand in Zusammenarbeit mit dem Fraunhofer-Institut für Biomedizinische Technik IBMT.

1998

Tübinger Moleanalyzer

In Kooperation mit der Uni­versität Tübingen brachte FotoFinder 1998 das erste Machine-Learning-Tool auf den Markt. Pionierarbeit, die bis heute Wirkung zeigt!