一种基于深度学习的痤疮自动分级方法技术

本发明专利技术涉及一种基于深度学习的痤疮严重性自动分级方法，包括如下步骤：S1，制作人脸面部样本数据集，训练深度卷积神经网络分级模型；S2，采集待检测人脸面部图像，利用人脸特征点检测网络识别图像中的人脸特征点并区域切割，同时去除无效区域；S3，拼接切割后的图像得到皮肤区域图像，输入深度卷积神经网络分级模型，得到分级结果。通过摄像头获取患者正脸、左侧脸、右侧脸面部图像，计算机利用预先训练好的深度卷积神经网络分级模型自动对面部痤疮进行严重度分级，为患者病情的诊断提供准确的辅助信息。

An Automatic Acne Classification Method Based on Deep Learning

【技术实现步骤摘要】
一种基于深度学习的痤疮自动分级方法
本专利技术涉及皮肤痤疮检测
，尤其涉及一种基于深度学习的痤疮自动分级方法。
技术介绍
痤疮是毛囊皮脂腺单位的一种慢性炎症性皮肤病，主要好发于青少年，对青少年的心理和社交影响很大，但青春期后往往能自然减轻或痊愈。临床表现以好发于面部的粉刺、丘疹、脓疱、结节等多形性皮损为特点。痤疮分级是根据病人面部皮损类别以及皮损数目对痤疮进行的严重性级别分类，对于不同的痤疮严重性级别，临床可以采用不同的治疗方案进行治疗。目前医院比较常见的分类方法一般将痤疮分为四级：轻度（1级）：仅有粉刺；中度（2级）：炎性丘疹；中度（3级）：脓包；重度（4级）：结节、囊肿。对于不同的级别，临床选择不同的治疗方案进行治疗，所以痤疮分级的判断对于病人的治疗起到了至关重要的作用。传统的痤疮分级手段需要比较强的专业知识及临床经验，而随着痤疮患病患者日渐增加，人们开始探求一种新型的自动分级方法。
技术实现思路
本专利技术的目的在于提供一种基于深度学习的痤疮自动分级方法，通过摄像头获取患者正脸、左侧脸、右侧脸面部图像，计算机利用预先训练好的深度卷积神经网络分级模型自动对面部痤疮进行严重度分级，为患者病情的诊断提供准确的辅助信息。为实现上述目的，本专利技术的技术方案如下：一种基于深度学习的痤疮严重性自动分级方法，包括如下步骤：S1，制作人脸面部样本数据集，训练深度卷积神经网络分级模型；S2，采集待检测人脸面部图像，利用人脸特征点检测网络识别图像中的人脸特征点并区域切割，同时去除无效区域；S3，拼接切割后的图像得到皮肤区域图像，输入深度卷积神经网络分级模型，得到分级结果。进一步地，步骤1中，收集面部图像，提取人脸特征点，分割后拼接得到数据集，再根据临床经验进行分级，将分级后的数据输入深度卷积神经网络模型，训练得到深度卷积神经网络分级模型。进一步地，步骤2具体为，待检测人脸面部图像包括左侧脸、正脸和右侧脸图像，利用人脸特征点检测网络检测并提取面部若干个特征点位置并归一化处理，根据特征点位置对人脸面部图像分割，得到左侧脸部分、右侧脸部分、正脸上半部分和正脸下半部分，且去除面部无效区域。进一步地，将步骤2中分割得到的四幅部分图片按照在人脸中的位置拼接，得到人脸面部出现痤疮的皮肤区域图像，最后，经深度卷积神经网络分级模型得到分级结果并根据痤疮等级给出初步治疗意见。本专利技术的基于深度学习的痤疮自动分级方法，通过训练好的深度卷积神经网络分级模型，自动对患者面部痤疮进行严重性诊断，本分级方法有效的将人工智能技术、图像处理技术应用到临床医学诊断中，无需医生介入便能自动给出对病人的诊断意见，并且具有一定的实时性，同时，能够为各大皮肤病诊室提供辅助医疗，节约诊疗时间，方便广大医生和患病群众。附图说明图1是本专利技术一实施例中基于深度学习的痤疮自动分级方法的流程图。具体实施方式下面结合附图和实施例对本专利技术的技术方案做进一步的详细说明。本专利技术的一种基于深度学习的痤疮严重性自动分级方法，如图1所示，具体包括如下步骤：步骤一，采集待检测人脸面部图像，待检测人脸面部图像包括左侧脸、正脸和右侧脸图像，利用人脸特征点检测网络检测并提取面部若干个特征点位置并归一化处理，根据特征点位置对人脸面部图像分割，得到左侧脸部分、右侧脸部分、正脸上半部分和正脸下半部分，去除面部五官等无效区域。步骤二，将分割得到的四幅部分图片按照在人脸中的位置拼接，得到人脸面部出现痤疮的皮肤区域图像，最后，经深度卷积神经网络分级模型得到分级结果并根据痤疮等级给出初步治疗意见。自动分级前，先制作面部图像样本数据集，收集大量痤疮患者的面部图像，提取面部图像中若干个特征点，根据特征点位置分割后拼接得到样本数据集，由专业医生根据临床经验进行分级，将分级后的数据集输入事先设计好的深度卷积神经网络模型，训练得到深度卷积神经网络分级模型。在一实施例中，特征点检测的具体方法为，将正脸图像、左侧脸图像和右侧脸图像输入人脸特征点检测网络进行检测，输出68个特征点的像素位置，利用特征点的像素位置先对三幅图像进行归一化处理，具体为单张照片中左右眼高度对齐且保持左右眼连线为一固定长度。分割时，对于正脸图像，选择额头部分和下巴部分，其余部分切除；对于左、右侧脸图像，选择左侧和右侧面部区域，其余部分切除；将得到的四个人脸部分区域图片按照在人脸中的位置紧凑拼接，从而得出患者脸部可能出现痤疮的皮肤区域图像。以检测某一患者面部痤疮等级的具体分级方法为例：首先，采集患者面部图像，为了全面获取面部区域信息，利用固定在患者面部左侧、正前、右侧三个方向的高清摄像头获取患者左侧脸、正脸、右侧脸的面部图像，为了使图像采集环境更加稳定，摄像头与拍摄位置固定，拍摄周围设置为纯色背景，以减少环境干扰。其次，利用人脸特征点检测网络对患者面部图像进行检测并提取出人脸图像中68个特征点位置，通过特征点位置将人脸图像中皮肤区域进行分割，同时去除鼻孔、嘴巴、毛发等无效部分，得到左侧脸部分、右侧脸部分、正脸上半部分、正脸下半部分四个部分，再经过合理的拼接得到患者脸部可能出现痤疮的皮肤区域图像。最后，将皮肤区域图像输入深度神经网络分级模型分级，得到患者痤疮分级结果，并针对分级结果，对患者的痤疮严重程度给出初步治疗意见。以上所述的实施例对本专利技术的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本专利技术的具体实施例，并不用于限制本专利技术，凡在本专利技术的原则范围内所做的任何修改、补充和等同替换等，均应包含在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于深度学习的痤疮严重性自动分级方法，其特征在于，包括如下步骤：S1，制作人脸面部样本数据集，训练深度卷积神经网络分级模型；S2，采集待检测人脸面部图像，利用人脸特征点检测网络识别图像中的人脸特征点并区域切割，同时去除无效区域；S3，拼接切割后的图像得到皮肤区域图像，输入深度卷积神经网络分级模型，得出分级结果。

【技术特征摘要】
1.一种基于深度学习的痤疮严重性自动分级方法，其特征在于，包括如下步骤：S1，制作人脸面部样本数据集，训练深度卷积神经网络分级模型；S2，采集待检测人脸面部图像，利用人脸特征点检测网络识别图像中的人脸特征点并区域切割，同时去除无效区域；S3，拼接切割后的图像得到皮肤区域图像，输入深度卷积神经网络分级模型，得出分级结果。2.根据权利要求1所述的基于深度学习的痤疮严重性自动分级方法，其特征在于：步骤1中，收集面部图像，提取人脸特征点，分割后拼接得到数据集，再根据临床经验进行分级，将分级后的数据输入深度卷积神经网络模型，训练得到深度卷积神经网络分级模型。...

【专利技术属性】
技术研发人员：张守纳，
申请(专利权)人：南京所由所以信息科技有限公司，
类型：发明
国别省市：江苏,32