建立和验证一种分析鼻黑点图像的方法

科学领域:

• 皮肤病学 皮肤病学
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 对面部黑的有效护肤产品的需求日益增长.
• 需要客观和有效的方法来分析黑点.
• 越来越多地关注皮肤健康和客观评估工具.

研究的目的:

• 开发一种自动化的物体识别方法,用于分析鼻腔黑点.
• 用图像分析来评估鼻子上黑点的数量和严重程度.
• 通过专家评估来验证机器学习模型的性能.

主要方法:

• 收集了350名 (18至60岁) 患有鼻子黑点的受试者的面部照片.
• 利用对象识别方法和机器学习进行分析.
• 使用专家评估,一致性和相关性分析验证模型性能.

主要成果:

• 实现了超过0.9.9的算法精度.
• 在模型和专家评估之间显示出很高的一致性 (ICC > 0.9).
• 证实了该模型在计数黑点和评估严重性的有效性.

结论:

• 开发了一个科学客观和准确的模型,用于鼻黑头分析.
• 该模型提高了化品临床试验的效率和客观性.
• 在化品有效性测试和持续模型优化中具有应用潜力.