【技术实现步骤摘要】
【国外来华专利技术】以头皮状态信息为基础的头皮类型诊断系统以及利用所述系统的头皮改善方法
[0001]本专利技术涉及一种以头皮状态信息为基础的头皮类型诊断系统以及利用所述系统的头皮改善方法，尤其涉及一种将所测定到的头皮问诊数据以及头皮影像图像传送至服务器进行存储，并将所存储的头皮问诊数据以及头皮影像图像在推荐服务用服务器以及人工智能
(AI
，
[0002]Artificial Intelligence)
服务器中进行共享而对头皮问诊数据以及头皮影像图像进行诊断分析，从而准确地对头皮状态信息进行分析，进而以此为基础对头皮类型进行诊断并根据所诊断的头皮类型实现头皮改善方法，同时根据头皮类型推荐适当产品的以头皮状态信息为基础的头皮类型诊断系统以及利用所述系统的头皮改善方法
。
[0003]在本专利技术中，“头皮状态信息”定义为
①
微细角质
(Micro keratin)、
[0004]②
皮脂过多
(Excessive sebum)、
③
毛囊间红斑
(Erythema between hair
[0005]follicles)、
④
毛囊红斑
(Follicular erythema)、
⑤
脓疱
(pustules)、
⑥
[0006]头屑
(Dandruffy)
以及
⑦
脱发
(Hair loss
；
...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.
一种以头皮状态信息为基础的头皮类型诊断系统，包括：服务器
(S)
，将通过对被诊断者进行问诊而获得的问诊信息以及通过头皮诊断设备或终端
(1)
中的某一个获取到的头皮影像图像通过作为云服务的应用程序编程接口
(2)
，即，
RESTful
接口进行传送和文件存储；主处理器
(3)
，利用自身算法对文件存储的从服务器
(S)
直接接收或通过作为云服务的应用程序编程接口
(2)
，即，
RESTful
接口接收到的所述问诊信息以及头皮影像图像中的问诊信息进行诊断，并利用在数据库
(4)
中构建的大数据信息通过人工智能处理器的人工智能分析按照各个诊断项目的全部或某一部分对头皮影像图像进行分析，进而将相关的诊断结果和基于问诊信息的诊断以及作为适当处方的推荐产品一起重新通过应用程序接口实时传送至诊断者的终端，所述诊断项目包括
①
良好或正常
、
②
干性
、
③
油性
、
④
敏感性
、
⑤
特应性
、
⑥
脂溢性
、
⑦
疾病性
、
⑧
干性头屑性
、
⑨
油性头屑性以及
⑩
脱发性；人工智能处理器
(5)
，执行人工智能分析，利用数据库中累积的数据将文件存储的从服务器直接接收或从主处理器接收到的所述头皮影像图像按照各个诊断项目的全部或某一部分进行分类，所述诊断项目包括
①
良好或正常
、
②
干性
、
③
油性
、
④
敏感性
、
⑤
特应性
、
⑥
脂溢性
、
⑦
疾病性
、
⑧
干性头屑性
、
⑨
油性头屑性以及
⑩
脱发性；头皮诊断人工智能算法
(6)
，从所述人工智能处理器接收按照各个诊断项目的全部或某一部分进行分类的信息并通过深度学习算法执行学习和解读，从而执行具体的精密诊断并推导出最终结果诊断；以及数据库
(4)
，对头皮测定
、
诊断以及推荐数据进行累积，并提供至主处理器，以能够自行执行头皮诊断以及推荐服务，通过所述人工智能处理器
(5)
，利用数据库中累积的数据以7个头皮状态信息为基础按照
10
种头皮类型对头皮影像图像进行分类，所述7个头皮状态信息为
①
微细角质
、
②
皮脂过多
、
③
毛囊间红斑
、
④
毛囊红斑
、
⑤
脓疱
、
⑥
头屑以及
⑦
脱发，
10
种头皮类型为
①
良好或正常
、
②
干性
、
③
油性
、
④
敏感性
、
⑤
特应性
、
⑥
脂溢性
、
⑦
疾病性
、
⑧
干性头屑性
、
⑨
油性头屑性以及
⑩
脱发性
。2.
根据权利要求1所述的以头皮状态信息为基础的头皮类型诊断系统，其中，通过人工智能处理器以7个头皮状态信息为基础按照
10
种头皮类型对所述头皮影像图像进行分类的结果如下：
(1)
良好：无微细角质
、
无过多皮脂
、
无毛囊间红斑
、
无毛囊红斑或脓疱
、
无头屑
、
不脱发；
(2)
干性：有微细角质
、
无过多皮脂
、
无毛囊间红斑
、
无毛囊红斑或脓疱
、
无头屑
、
不脱发；
(3)
油性：无微细角质
、
皮脂过多
、
无毛囊间红斑
、
无毛囊红斑或脓疱
、
无头屑
、
不脱发；
(4)
敏感性：无微细角质
、
无过多皮脂
、
有毛囊间红斑
、
无毛囊红斑或脓疱
、
无头屑
、
不脱发；
(5)
特应性：有微细角质
、
无过多皮脂
、
有毛囊间红斑
、
无毛囊红斑或脓疱
、
无头屑
、
不脱发；
(6)
脂溢性：无微细角质
、
皮脂过多
、
有毛囊间红斑
、
无毛囊红斑或脓疱
、
无头屑
、
不脱发；
(7)
疾病性或炎症性：无微细角质
、
无过多皮脂
、
无毛囊间红斑
、
有毛囊红斑或脓疱
、
无头屑
、
不脱发；
(8)
干性头屑性：有微细角质
、
无过多皮脂
、
无毛囊间红斑
、
无毛囊红斑或脓疱
、
有头屑
、
不脱发；
(9)
油性头屑性：无微细角质
、
皮脂过多
、
无毛囊间红斑
、
无毛囊红斑或脓疱
、
有头屑
、
不脱发；
(10)
脱发性：无微细角质
、
无过多皮脂
、
无毛囊间红斑
、
无毛囊红斑或脓疱
、
无头屑
、
脱发
。3.
根据权利要求1或权利要求2所述的以头皮状态信息为基础的头皮类型诊断系统，其中，在将头皮状态信息按照
①
微细角质
、
②
皮脂过多
、
③
毛囊间红斑
、
④
毛囊红斑
、
⑤
脓疱
、
⑥
头屑以及
⑦
脱发进行分类之后，根据严重程度分为0：无
、1
：轻度
、2
：中度及3：重度3个阶段，并按照单一症状的头皮类型以及复合症状的所有头皮类型进行分类，所述头皮类型包括
①
良好或正常
、
②
干性
、
③
油性
、
④
敏感性
、
⑤
特应性
、
⑥
脂溢性
、
⑦
疾病性
、
⑧
干性头屑性
、
⑨
油性头屑性以及
⑩
脱发性
。4.
根据权利要求1所述的以头皮状态信息为基础的头皮类型诊断系统，其中，基于头皮类型的头皮改善顺序依次为
①
疾病性
、
②
脂溢性
、
③
特应性
、
④
油性头屑性
、
⑤
干性头屑性
、
⑥
敏感性
、
⑦
脱发性
、
⑧
油性
、
⑨
干性以及
⑩
良好，从而确定改善顺序，所述改善顺序可以依次包括上述的全部或某一部分
。5.
根据权利要求1所述的以头皮状态信息为基础的头皮类型诊断系统，其中，在主处理器
(3)
中，通过在主处理器
(3)
内构建的自身算法对从被诊断者接收到的问诊信息以及头皮影像图像中的所述问诊信息进行诊断，利用在数据库中构建的大数据信息通过人工智能分析将头皮状态信息以及严重程度按照
①
微细角质
、
②
皮脂过多
、
③
毛囊间红斑
、
④
毛囊红斑
、
⑤
脓疱
、
⑥
头屑
、
⑦
脱发七种类型对头皮影像图像进行分析，并基于此将头皮类型按照
①
良好或正常
、
②
干性
、
③
油性
、
④
敏感性
、
⑤
特异性
、
⑥
脂溢性
、
⑦
疾病性
、
⑧
干性头屑性
、
⑨
油性头屑性以及
⑩
脱发性中的某一部分进行分析，进而将相关的诊断结果和基于问诊信息的诊断以及作为适当处方的推荐产品一起重新通过应用程序编程接口实时传送至诊断者的终端
。6.
根据权利要求1所述的以头皮状态信息为基础的头皮类型诊断系统，其中，所述人工智能处理器
(5)
执行深度学习步骤，利用大数据信息通过人工智能分析得到所接收的头皮影像图像的头皮分类，从而对头皮进行学习并对数据进行采集，进而对所采集到的学习数据进行分类，接下来在将所采集到的数据作为学习数据以及测试数据进行分类学习和验证之后基于卷积神经网络推导出推理模型，在使用
PyThon
作为推理模型开发方法的开发中，利用深度学习库即
TensorFlow
通过
EfficientNet
高效网络模型再训练进行头皮分类，即基于卷积神经网络的物体识别，并利用
EfficientNet
高效网络模型创建基于迁移学习的推理模型并进行比较，进而通过以最佳的准确度进行推理而将头皮状态信息以及严重程度按照
①
微细角质
、
②
皮脂过多
、
③
毛囊间红斑
、
④
毛囊红斑
、
⑤
脓疱
、
⑥
头屑以及
⑦
脱发中的全部或一部分进行分析
。
7.
根据权利要求1所述的以头皮状态信息为基础的头皮类型诊断系统，其中，头皮诊断人工智能算法
(6)
是从所述人工智能处理器
(5)
接收所诊断的头皮影像图像并利用数据库中的大数据信息对所接收到的分类信息进行深度学习的算法，其利用
EfficientNet
高效网络模型执行学习以及解读，并通过追加再学习对头皮图像集进行图像推理，从而将头皮状态信息以及其严重程度按照
①
微细角质
、
②
皮脂过多
、...
【专利技术属性】
技术研发人员：朴东淳，丁正一，
申请(专利权)人：阿拉姆胡维斯有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。