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