基于皮肤注意力与SFNet的面部图像痤疮分级框架

痤疮严重程度分级是实现准确诊断与个性化治疗方案的关键步骤，目前主要通过两种方式开展：基于标准的皮损计数法和基于经验的全局评估法。本文针对痤疮严重程度的全局评估问题，采用卷积神经网络（CNN）进行研究，并提出了一种统一的痤疮分级框架，该框架能够依据不同的分级标准实现诊断。首先，提出一种自适应图像预处理方法，可高效抑制背景噪声并突出皮肤信息。其次，设计了一种创新的CNN结构SFNet，通过融合局部皮肤特征与全局特征，有效增强对皮肤与病灶之间色彩差异的感知能力。所提出的框架在两个采用不同痤疮分级标准的数据集上进行了验证。实验结果表明，该框架的分类准确率达到84.52%，较当前最优方法提升1.7%，已达到专业皮肤科医生的诊断水平。