顔画像を用いた皮膚注意機構とSFNetを活用したにきび評価フレームワーク

重度度評価の段階分けは、にきびの正確な診断および個別化された治療計画を立てる上で極めて重要なプロセスであり、主に2つの方法で行われる。すなわち、基準に基づく病変数のカウントと、臨床経験に基づく総合的評価である。本論文では、畳み込みニューラルネットワーク（CNN）を用いてにきびの重度度の総合的評価を検討し、異なる評価基準に準拠した診断が可能な統一的なにきび評価フレームワークを提案する。まず、背景ノイズを効果的に低減し、皮膚情報の強調を図るための適応型画像前処理手法を提案する。次に、局所的な皮膚特徴とグローバルな特徴を融合することで、皮膚と病変間の色のギャップを効果的に捉えることを可能にする新規なCNN構造であるSFNetを提示する。提案するフレームワークは、異なるにきび評価基準を持つ2つのデータセット上で検証された。実験結果から、本フレームワークの精度は84.52％に達し、既存の最先端手法を1.7％上回り、専門皮膚科医の診断水準に達することが確認された。