一种基于非深度学习的方法来检测白发和对头皮和头发区域的细分

科学领域:

• 皮肤病学 皮肤病学
• 医疗成像医学成像
• 计算机视觉 计算机视觉

背景情况:

• 诊断像脱发症这样的头发和头皮疾病是具有挑战性和耗时的.
• 现有的方法通常需要多个头皮视图,并且缺乏详细的细分.
• 患者很难区分正常的脱发和与疾病相关的脱发.

研究的目的:

• 开发用于头皮疾病检测的单视图图像分析方法.
• 细分头发和皮肤区域进行全面的脱发评估.
• 为了能够在家中监测记忆受限器件上的脱发治疗疗效.

主要方法:

• 头皮检测,使用经典图像处理对皮肤和头发区域进行细分.
• 使用适用于内存受限制设备的模型检测脱发.
• 对Dermnet和Figaro数据集进行评估,以检测脱发症和细分性能.

主要成果:

• 在Dermnet数据集上在脱发检测中获得了94%的准确性.
• 成功细分了头发和皮肤区域,提供了百分比洞察力.
• 已证明可用于便携式,内存有限的设备的可行性.

结论:

• 提出的方法提供了一个完整的头皮健康洞察力,超出了简单的脱发症分类.
• 允许皮肤科医生通过比较随着时间的推移细分图像来监测治疗疗效.
• 方便在家中监测脱发症治疗成功情况.