فهرست نشریات علمی دسترسی آزاد ایران

امروزه تقاضا برای تحلیل دقیق وضعیت پوستی و پیش‌بینی نتایج درمان‌های زیبایی پیش از اجرا، به یکی از نیازهای مهم در حوزه درماتولوژی و پزشکی زیبایی تبدیل­شده است. در این مقاله، یک چارچوب هوشمند مبتنی بر یادگیری عمیق به‌منظور تشخیص نواحی نیازمند درمان زیبایی در چهره افراد و شبیه‌سازی تصویری نتایج درمان توسعه‌یافته است. برای این منظور، نخست شبکه عصبی کانولوشنی جهت شناسایی خودکار ناهنجاری‌هایی چون چین‌وچروک، لکه‌های پوستی و عدم تقارن به کار رفت. در گام بعد، با بهره‌گیری از مدل پیکس‌توپیکس-گن، تصویر چهره پس از درمان به‌صورت واقع‌نما شبیه‌سازی شد. مدل پیشنهادی روی یک مجموعه‌داده شامل ۵۰۰۰ تصویر چهره از پایگاه‌های داده معتبر سلِب‌اِی، اف‌اف‌اچ‌کیو و درم‌نِت که دارای برچسب‌گذاری توسط متخصصان درماتولوژی برای نواحی آسیب‌دیده بودند، آموزش دید. فرایند ارزیابی، متکی بر شاخص‌های کمی شامل دقت 2/94 درصد، اف‌وان-اسکور 1/93 درصد، میانگین قدرمطلق خطا برابر 023/0 و نسبت اوج سیگنال به نویز معادل 5/31 دسی‌بل به همراه امتیاز رضایت‌بخشی 6/4 از ۵ توسط متخصصان انجام شد. نتایج حاصل نشان می‌دهد که چارچوب ترکیبی سی‌ان‌ان-گن، علاوه بر شناسایی دقیق نواحی نیازمند درمان، قادر است تصویری واقع‌گرایانه از نتیجه درمان ارائه دهد.