基于头皮图像数据的处理方法和装置

本发明涉及数字医疗，尤其涉及一种基于头皮图像数据的处理方法和装置。

背景技术：

1、目前人工智能在对皮肤的识别中的应用日益增多，在进行头皮图像分类方面，主要基于传统的深度学习模型，然而由于头皮图像的高分辨率特性和分类的关键征象的离散性、细微性和相似性使得图像信息浓度较高，传统的深度学习模型无法有效捕捉和保留关键征象，因此，在针对头皮图像数据进行头皮的评估时，仅能针对少量头皮进行二分类评估；同时，多数智能模型的识别结果缺少可解释性，只能直接提供最终输出，无法有效地解释其决策过程，这种缺乏透明度可能导致我们忽视由于推理过程中的错误而偶然获得的正确结果，从而限制了模型的改进。

2、如何针对头皮图像进行多种头皮的分类以及分类后如何有效识别和定位关键特征，并进行可解释性的可视化展示，成为亟需解决的问题。

技术实现思路

1、本发明的目的是针对现有技术所存在的缺陷，提供一种基于头皮图像数据的处理方法和装置，针对头皮图像进行多种头皮的分类以及分类后从目标类型图像数据中有效识别和定位出目标类型评估征象。

2、为实现上述目的，本发明第一方面提供了一种基于头皮图像数据的处理方法，包括：

3、获取头皮图像数据的第一样本数据，所述第一样本数据包括多种头皮类型；

4、基于spectformer模型构建预训练头皮分类模型；通过所述第一样本数据对所述预训练头皮分类模型进行训练、验证和测试，生成头皮分类模型；

5、将所述第一样本数据中的目标类型图像数据输入至所述头皮分类模型，并进行头皮分类输出，其中所述头皮分类输出包括图像的真实标签和模型预测可能类别及对应的准确率；

6、根据所述头皮分类输出的结果生成第二样本数据；

7、基于yolov8模型构建预训练目标类型数据评估模型；通过所述第二样本数据中已标注目标类型评估征象的图像数据对所述预训练目标类型数据评估模型进行训练、验证和测试，生成目标类型数据评估模型；其中，所述第二样本数据采用主动学习策略构建。

8、进一步，所述通过所述第二样本数据中已标注目标类型评估征象的图像数据对所述预训练目标类型数据评估模型进行训练、验证和测试，生成目标类型数据评估模型之后，所述方法还包括：

9、将待检测头皮图像数据输入所述头皮分类模型，并输出头皮分类；

10、若头皮分类为目标类型，将待检测头皮图像数据输入所述目标类型数据评估模型，并输出目标类型评估征象；根据所述目标类型评估征象确定目标类型处于活动或非活动期，并生成评估报告。

11、进一步，所述将待检测头皮图像数据输入所述头皮分类模型，并输出头皮分类之后，所述方法还包括：

12、利用梯度加权类激活映射对所述头皮分类的输出进行可视化解释。

13、进一步，所述目标类型为斑秃，所述目标类型评估征象包括黑点征、黄点征、感叹号样发、断发、短毳毛、分支状血管。

14、进一步，所述根据所述目标类型评估征象确定头皮处于活动或非活动期，具体为：

15、若存在黑点征、感叹号样发、断发和短毳毛中的一种或多种目标类型评估征象，头皮处于活动期。

16、进一步，所述多种头皮类型还包括：雄激素性脱发、瘢痕性脱发、拔毛癖、银屑病、脂溢性皮炎、色素痣、脂溢性角化症、病毒疣及非头皮健康皮肤。

17、进一步，所述根据所述头皮分类输出的结果生成第二样本数据，具体包括：

18、计算每个目标类型图像数据经过所述头皮分类模型后，可能类型为斑秃、雄激素性脱发和瘢痕性脱发的准确率的熵；

19、将多张目标类型图像数据按计算所得熵的大小从大到小进行排列。

20、进一步，所述通过所述第一样本数据对所述预训练头皮分类模型进行训练、验证和测试，生成头皮分类模型，具体包括：

21、通过所述第一样本数据中的训练集对所述预训练头皮分类模型进行训练，生成头皮分类基线模型，其中所述训练集中的头皮图像数据分辨率为224×224；

22、通过b i cub i c插值方法把基线的权重和偏置插值到适应512×512分辨率的头皮分类基线模型；

23、将基线的参数冻结，并解冻与偏差、类嵌入、归一化和比例因子相关的参数；

24、通过转化为512×512分辨率的第一样本数据对所述头皮分类基线模型进行训练、验证和测试，生成头皮分类模型。

25、本发明第二方面提供了一种基于头皮图像数据的处理装置，包括：

26、第一数据构建模块，用于获取头皮图像数据的第一样本数据，所述第一样本数据包括多种头皮类型；

27、分类模型构建模块，用于基于spectformer模型构建预训练头皮分类模型；通过所述第一样本数据对所述预训练头皮分类模型进行训练、验证和测试，生成头皮分类模型；

28、头皮分类输出模块，用于将所述第一样本数据中的目标类型图像数据输入至所述头皮分类模型，并进行头皮分类输出，其中所述头皮分类输出包括图像的真实标签和模型预测可能类别及对应的准确率；

29、第二数据构建模块，用于根据所述头皮分类输出的结果生成第二样本数据；

30、评估模型构建模块，用于基于yolov8模型构建预训练目标类型数据评估模型；通过所述第二样本数据中已标注目标类型评估征象的图像数据对所述预训练目标类型数据评估模型进行训练、验证和测试，生成目标类型数据评估模型；其中，所述第二样本数据采用主动学习策略构建。

31、进一步，所述装置还包括：

32、结果可视化模块，用于利用梯度加权类激活映射对所述头皮分类的输出进行可视化解释。

33、本发明实施例提供的一种基于头皮图像数据的处理方法和装置，基于spectformer模型构建头皮分类模型，针对头皮图像数据进行了多种头皮的分类以及基于yolov8模型构建目标类型数据评估模型，从分类出来的目标类型图像数据中有效识别和定位出了目标类型评估征象。

技术特征：

1.一种基于头皮图像数据的处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于头皮图像数据的处理方法，其特征在于，所述通过所述第二样本数据中已标注目标类型评估征象的图像数据对所述预训练目标类型数据评估模型进行训练、验证和测试，生成目标类型数据评估模型之后，所述方法还包括：

3.根据权利要求2所述的基于头皮图像数据的处理方法，其特征在于，所述将待检测头皮图像数据输入所述头皮分类模型，并输出头皮分类之后，所述方法还包括：

4.根据权利要求1所述的基于头皮图像数据的处理方法，其特征在于，所述目标类型为斑秃，所述目标类型评估征象包括黑点征、黄点征、感叹号样发、断发、短毳毛、分支状血管。

5.根据权利要求2所述的基于头皮图像数据的处理方法，其特征在于，所述根据所述目标类型评估征象确定头皮处于活动或非活动期，具体为：

6.根据权利要求1所述的基于头皮图像数据的处理方法，其特征在于，所述多种头皮类型还包括：雄激素性脱发、瘢痕性脱发、拔毛癖、银屑病、脂溢性皮炎、色素痣、脂溢性角化症、病毒疣及非头皮健康皮肤。

7.根据权利要求4和6所述的基于头皮图像数据的处理方法，其特征在于，所述根据所述头皮分类输出的结果生成第二样本数据，具体包括：

8.根据权利要求1所述的基于头皮图像数据的处理方法，其特征在于，所述通过所述第一样本数据对所述预训练头皮分类模型进行训练、验证和测试，生成头皮分类模型，具体包括：

9.一种基于头皮图像数据的处理装置，其特征在于，所述装置包括：

10.根据权利要求9所述的基于头皮图像数据的处理方法，其特征在于，所述装置还包括：

技术总结本发明实施例涉及一种基于头皮图像数据的处理方法和装置，方法包括获取头皮图像数据的第一样本数据；基于SpectFormer模型构建预训练头皮分类模型；通过第一样本数据对预训练头皮分类模型进行训练、验证和测试，生成头皮分类模型；将第一样本数据中的目标类型图像数据输入至头皮分类模型，并进行头皮分类输出；根据头皮分类输出的结果生成第二样本数据；基于YOLOv8模型构建预训练目标类型数据评估模型；通过第二样本数据中已标注目标类型评估征象的图像数据对预训练目标类型数据评估模型进行训练、验证和测试，生成目标类型数据评估模型；其中，第二样本数据采用主动学习策略构建。技术研发人员：刘洁,肖立,王钧程,陈玉玲受保护的技术使用者：中国医学科学院北京协和医院技术研发日：技术公布日：2025/1/6