基于机器学习与图像处理的毛发与头皮疾病检测
计算机视觉与模式识别
2023-05-31 v3 机器学习
摘要
近8000万美国人因衰老、压力、药物或遗传构成而遭受脱发困扰。毛发与头皮相关疾病在初期常被忽视。有时，患者无法区分脱发与正常掉发。毛发相关疾病的诊断耗时较长，因为它需要专业皮肤科医生进行视觉与医学检测。因此，整体诊断被延迟，使病情严重程度加剧。得益于图像处理能力，基于神经网络的应用被用于包括医疗与健康信息学在内的多个领域，以预测癌症与肿瘤等致命疾病。这些应用辅助临床医生与患者，并提供对早期症状的初步洞察。在本研究中，我们采用深度学习方法，成功预测三类主要脱发与头皮相关疾病：脱发症(alopecia)、银屑病(psoriasis)与毛囊炎(folliculitis)。然而，该领域研究有限、缺乏合适数据集以及互联网上图像间差异程度大，使任务颇具挑战。我们从多个来源获取150张图像，随后通过去噪、图像均衡化、增强与数据平衡进行预处理，从而最小化错误率。将处理后的数据输入2D卷积神经网络(CNN)模型后，我们获得96.2%的总体训练准确率与91.1%的验证准确率。脱发症、银屑病与毛囊炎的精确率与召回率分数分别为0.895、0.846与1.0。我们也为未来的前瞻性研究者创建了头皮图像数据集。
引用
@article{arxiv.2301.00122,
title = {Hair and Scalp Disease Detection using Machine Learning and Image Processing},
author = {Mrinmoy Roy and Anica Tasnim Protity},
journal= {arXiv preprint arXiv:2301.00122},
year = {2023}
}