买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都中医药大学

摘要：本发明公开了一种基于多任务学习的黄褐斑严重程度客观化评估方法，涉及图形图像处理技术应用于皮肤病学诊断领域，包括：S1、通过图像采集模块对患者面部进行多角度图像采集；S2、基于人脸和黄褐斑区域分割模型对S1采集的图像进行分割处理；S3、基于多任务学习模型对分割后图像中黄褐斑的均匀性分布、色度值、皮损面积进行同时计算；S4、对皮损面积、均匀性分布和色度值进行整合，并采用MASI评价规则对黄褐斑严重程度进行全面评估。本发明提供一种基于多任务学习的黄褐斑严重程度客观化评估方法，通过在黄褐斑评价中引入了均匀性评估和色度值评价，该方法不仅能够提高计算速度、减少计算量，还能够更加准确全面的评估黄褐斑严重程度。

主权项：1.一种基于多任务学习的黄褐斑严重程度客观化评估方法，其特征在于，包括：S1、通过图像采集模块对患者面部进行多角度图像采集；S2、基于人脸和黄褐斑区域分割模型对S1采集的图像进行分割处理；S3、基于多任务学习模型对分割后图像中黄褐斑的均匀性分布、色度值、皮损面积进行同时计算；S4、对皮损面积、均匀性分布和色度值进行整合，并采用MASI评价规则对黄褐斑严重程度进行全面评估；在S2中，将深度学习网络模型作为人脸和黄褐斑区域分割模型的共享网络，将训练集加载至共享网络中进行分割训练，进而得到人脸和黄褐斑区域分割模型；其中，在人脸和黄褐斑区域分割模型中将图像按类别分为背景、前额、下颌、左面颊、右面颊和黄褐斑6个区域，在训练时选择图像输入的大小和同时输入图像数据的数量，并采用下式中的交叉熵损失函数LX,Y完成参数设置： 其中，X为模型的输入图像集，Y为X对应的真实标签或真实数据，C为类别的总数，为第n个实例对应真实标签的one-hot编码向量，为softmax函数之前的第n个实例对应模型的原始输出；为第n个实例对应类的预测概率分布；当类别不平衡时，则通过为不同的类别分配不同的权重对交叉熵损失函数LX,Y进行优化，优化后的交叉熵损失函数LX,Y如下所示： 上式中，Wc为分配给类别c的权重；所述多任务学习模型包括黄褐斑皮损面积计算模型和共享像素点提取模型；其中，所述黄褐斑皮损面积计算模型对分割出来的黄褐斑区域进行黄褐斑面积计算；所述共享像素点提取模型对分割出来的黄褐斑区域进行色度值计算和均匀性检测；在S3中，所述共享像素点提取模型进行色度值计算的流程包括：S310、读取原始图像和分割出的黄褐斑RGB掩膜图像，将原始图像对应的像素映射到黄褐斑RGB掩膜图像中，以使其还原成与原始图像对应的像素；S311、对黄褐斑区域像素平均值和正常皮肤区域像素平均值进行取差操作，以得到对应的差值；S312、将差值输入到CIEDE2000色差计算公式中，以得到对应的黄褐斑区域色度评价分值；在S3中，所述共享像素点提取模型中设置有均匀性检测算法，所述均匀性检测算法的处理方式包括：S320、基于每个黄褐斑的质心得到所有黄褐斑分布的实际平均距离AAD；S321、通过下式计算质心分布的密度Density： 上式中，facearea表示前额、下颌、左面颊、右面颊所对应面部的面积，centroidnumbers表示黄褐斑的质心数量；S322、基于S321计算得到的密度Density，采用下式换算出质心的理论平均距离TUAD： S323、基于S322计算得到的理论平均距离TUAD，计算实际平均距离AAD占理论平均距离TUAD的比值R；若R值接近1，则表示为均匀分布，若R值小于1，则表示为聚集分布，否则表示为偏向分布。

全文数据：

权利要求：

百度查询： 成都中医药大学 基于多任务学习的黄褐斑严重程度客观化评估方法