یک چارچوب جدید برای پیش‌بینی نمره‌ی زیبایی بینی مبتنی بر الگوریتم‌های یادگیری ماشین

نویسندگان

1 استاد، قطب علمی کنترل و پردازش هوشمند، دانشکده‌ی مهندسی برق و کامپیوتر، دانشکده‌ی فنی، دانشگاه تهران، تهران، ایران

2 استاد، مجتمع بیمارستانی امام خمینی، دانشگاه علوم پزشکی تهران، تهران، ایران

3 دانشجوی دکتری، قطب علمی کنترل و پردازش هوشمند، دانشکده‌ی مهندسی برق و کامپیوتر، دانشکده‌ی فنی، دانشگاه تهران، تهران، ایران

doi
10.22041/ijbme.2024.2014643.1867
چکیده

در حال حاضر رشد سریع صنعت زیبایی در کنار توسعه‌ی مدل­های هوشمند مبتنی بر الگوریتم­های یادگیری ماشین منجر به افزایش تحقیقات گسترده در این حوزه شده است. جراحی زیبایی بینی یکی از رایج­ترین و چالش برانگیزترین جراحی­های زیبایی چهره است زیرا بینی برجسته­ترین عنصر چهره بوده که تاثیر زیادی بر جذابیت آن دارد. هدف این مقاله ارائه‌ی یک چارچوب مبتنی بر یادگیری ماشین برای پیش‌بینی نمره‌ی زیبایی بینی است. در این مقاله تعدادی از پارامتر­های هندسی بینی در ارتباط با کل چهره به عنوان ورودی و نظر انسان به عنوان خروجی به الگوریتم­های رگرسیونی متداول یادگیری ماشین داده شده است. سپس یک مطالعه‌ی فرسایشی جهت بررسی تاثیر شکل چهره و رنگ و بافت پوست بر زیبایی بینی انجام شده است. طبقه­بند پرسپترون چندلایه، خوشه‌بندی k-means و ماتریس هم‌رخدادی سطح خاکستری برای استخراج شکل چهره و رنگ و بافت پوست مورد استفاده قرار گرفته است. نتایج نشان داده که مدل مبتنی بر پارامترهای هندسی، همبستگی متوسطی با نظر انسان داشته و با افزودن هر زیرمجموعه از مجموعه‌ی ویژگی­های شکل چهره و رنگ و بافت پوست همبستگی مدل حاصل شده، تا رسیدن به درجه‌ی بالای همبستگی افزایش یافته است. هم‌چنین نتایج بیان‌گر آن است که الگوریتم جنگل تصادفی در بین سایر الگوریتم­ها بهترین عمل‌کرد را بر اساس معیارهای ارزیابی میانگین مطلق خطا، ریشه‌ی میانگین مربعات خطا و همبستگی پیرسون دارد. نتایج این مطالعه نشان داده است که چارچوب ارائه شده می­تواند به تعیین میزان زیبایی بینی در چهره‌ی افراد کمک نماید.