皮肤表面粗度的估计in vivo基于光学连贯性断层扫描与卷积神经网络相结合

科学领域:

• 生物医学光学 生物医学光学
• 皮肤病学 皮肤病学
• 医疗保健中的人工智能

背景情况:

• 皮肤质地,特别是纹和粗度,是皮肤健康和老化的关键指标.
• 精确量化皮肤粗度对于护肤,医疗治疗和产品开发至关重要.
• 现有的方法可能受到诸如皮肤曲等因素的限制.

研究的目的:

• 开发和验证一种用于估计皮肤表面粗度的新方法.
• 将光学连贯断层扫描 (OCT) 与卷积神经网络 (CNN) 结合起来,以进行增强的皮肤分析.
• 探索皮肤粗,年龄和性别之间的关系.

主要方法:

• 使用光学连贯断层扫描 (OCT) 进行非侵入性皮肤表面成像.
• 开发了一个卷积神经网络 (CNN) 算法,用于分析OCT数据和估计皮肤粗度.
• 使用标准粗板验证了拟议的方法.
• 综合表皮厚度和皮肤衰减系数测量.

主要成果:

• 经过CT-CNN方法准确估计皮肤表面粗度,包括算术平均粗度和粗度的深度.
• 发现皮肤粗程度取决于年龄和性别.
• 基于OCT的方法有效地减少了自然皮肤曲线对粗度测量的影响.
• 通过将粗度与表皮厚度和皮肤衰减相结合,实现了多参数皮肤特征表征.

结论:

• 拟议的OCT-CNN方法提供了一种有效和准确的方法来量化皮肤表面粗度.
• 这种技术在减少皮肤曲造成的文物方面具有优势.
• 这些发现表明,在了解皮肤衰老过程中,有潜在的应用.
• 这种方法可以帮助制定维持和改善皮肤健康和外观的策略.