CN113100937B - 一种基于智能比对的植发密度确定方法及系统 - Google Patents
一种基于智能比对的植发密度确定方法及系统 Download PDFInfo
- Publication number
- CN113100937B CN113100937B CN202110663191.XA CN202110663191A CN113100937B CN 113100937 B CN113100937 B CN 113100937B CN 202110663191 A CN202110663191 A CN 202110663191A CN 113100937 B CN113100937 B CN 113100937B
- Authority
- CN
- China
- Prior art keywords
- planting
- hair
- region
- density
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 210000004209 hair Anatomy 0.000 title claims abstract description 282
- 238000000034 method Methods 0.000 title claims abstract description 41
- 210000004761 scalp Anatomy 0.000 claims abstract description 79
- 230000003803 hair density Effects 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000002054 transplantation Methods 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 abstract description 24
- 230000000694 effects Effects 0.000 description 17
- 210000003780 hair follicle Anatomy 0.000 description 17
- 239000011159 matrix material Substances 0.000 description 11
- 230000003044 adaptive effect Effects 0.000 description 10
- 230000007547 defect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 201000004384 Alopecia Diseases 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000003676 hair loss Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003325 follicular Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 231100000360 alopecia Toxicity 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000003779 hair growth Effects 0.000 description 2
- 208000024963 hair loss Diseases 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000003695 hair diameter Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
Landscapes
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Robotics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种基于智能比对的植发密度确定方法及系统，方法包括；获得第一头皮区域图像；对第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域；获得第一区域的第一种植面积；获得第二区域的第二头皮区域图像，第二头皮区域图像具有第一精度；由第二头皮区域图像获得所述第二区域的第一毛发密度；构建第一智能植发分析模型；将第一种植面积、第一毛发密度输入至第一智能植发分析模型，获得第一预设植发密度；依据第一植发设备及第一预设植发密度对第一区域进行种植点布局，获得第一种植点信息；获得第一植发指令，依据第一种植点信息进行植发操作。解决了现有技术中存在植发密度计算精度和效率低、误差大的技术问题。
Description
技术领域
本发明涉及人工智能相关技术领域，具体涉及一种基于智能比对的植发密度确定方法及系统。
背景技术
随着社会的飞速发展，伴随着不断提升的生活水平的是当代人们越来越重的生活压力，因为遗传、熬夜、焦躁、压力过大等原因导致脱发秃顶问题逐渐年轻化，已成为当代年轻人一大烦恼之一，很多人选择植发解决头发分布不均或稀少的问题，所以植发技术的研究与发展具有重大意义。
植发技术的主要原理就是从后枕部，分散性地单个提取毛囊，按照头发生长方向单体移植到脱发部位。植发密度指的是每平方厘米多少个毛囊单位，植发过程中植发密度的确定对于植发效果的影响很大，目前植发密度的主要通过人工统计计算的方式确定，
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中由于人工计算的不稳定性，导致存在植发密度计算精度低、效率低、误差大的技术问题。
发明内容
本申请实施例通过提供了一种基于智能比对的植发密度确定方法及系统，解决了现有技术中由于人工计算的不稳定性，导致存在植发密度计算精度和效率低、误差大的技术问题。通过对种植区域和供体区域高精度的图像特征提取得到供体区域的毛发密度和种植区域的种植面积，利用智能模型分析计算得到精度高、适用性强的种植密度，进一步利用植发设备依据种植密度设计种植方案，进行植发，达到了依据高精度植发密度进行科学植发的技术效果。
鉴于上述问题，本申请实施例提供了一种基于智能比对的植发密度确定方法及系统。
第一方面，本申请实施例提供了一种基于智能比对的植发密度确定方法，其中，所述方法包括：获得第一头皮区域图像；对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；获得所述第一区域的第一种植面积；获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；由所述第二头皮区域图像获得所述第二区域的第一毛发密度；构建第一智能植发分析模型；将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；获得第一植发设备；依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；获得第一植发指令，依据所述第一种植点信息进行植发操作。
另一方面，本申请实施例提供了一种基于智能比对的植发密度确定系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于获得第一头皮区域图像；第二获得单元，所述第二获得单元用于对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；第三获得单元，所述第三获得单元用于获得所述第一区域的第一种植面积；第四获得单元，所述第四获得单元用于获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；第五获得单元，所述第五获得单元用于由所述第二头皮区域图像获得所述第二区域的第一毛发密度；第一构建单元，所述第一构建单元用于构建第一智能植发分析模型；第一输入单元，所述第一输入单元用于将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；第六获得单元，所述第六获得单元用于获得第一植发设备；第七获得单元，所述第七获得单元用于依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；第八获得单元，所述第八获得单元用于获得第一植发指令，依据所述第一种植点信息进行植发操作。
第三方面，本申请实施例提供了一种基于智能比对的植发密度确定系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了获得第一头皮区域图像；对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；获得所述第一区域的第一种植面积；获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；由所述第二头皮区域图像获得所述第二区域的第一毛发密度；构建第一智能植发分析模型；将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；获得第一植发设备；依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；获得第一植发指令，依据所述第一种植点信息进行植发操作的技术方案，通过对种植区域和供体区域高精度的图像特征提取得到供体区域的毛发密度和种植区域的种植面积，利用智能模型分析计算得到精度高、适用性强的种植密度，进一步利用植发设备依据种植密度设计种植方案，进行植发，达到了依据高精度植发密度进行科学植发的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种基于智能比对的植发密度确定方法流程示意图；
图2为本申请实施例一种基于智能比对的植发密度确定系统结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第五获得单元15，第一构建单元16，第一输入单元17，第六获得单元18，第七获得单元19，第八获得单元20，电子设备300，存储器301，处理器302，通信接口303，总线架构304。
具体实施方式
本申请实施例通过提供了一种基于智能比对的植发密度确定方法及系统，解决了现有技术中由于人工计算的不稳定性，导致存在植发密度计算精度和效率低、误差大的技术问题。通过对种植区域和供体区域高精度的图像特征提取得到供体区域的毛发密度和种植区域的种植面积，利用智能模型分析计算得到精度高、适用性强的种植密度，进一步利用植发设备依据种植密度设计种植方案，进行植发，达到了依据高精度植发密度进行科学植发的技术效果。
申请概述
随着社会的飞速发展，伴随着不断提升的生活水平的是当代人们越来越重的生活压力，因为遗传、熬夜、焦躁、压力过大等原因导致脱发秃顶问题逐渐年轻化，已成为当代年轻人一大烦恼之一，很多人选择植发解决头发分布不均或稀少的问题，所以植发技术的研究与发展具有重大意义。植发技术的主要原理就是从后枕部，分散性地单个提取毛囊，按照头发生长方向单体移植到脱发部位。植发密度指的是每平方厘米多少个毛囊单位，植发过程中植发密度的确定对于植发效果的影响很大，目前植发密度的主要通过人工统计计算的方式确定，但现有技术中由于人工计算的不稳定性，导致存在计算精度低、效率低、误差大的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种基于智能比对的植发密度确定方法，其中，所述方法包括：获得第一头皮区域图像；对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；获得所述第一区域的第一种植面积；获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；由所述第二头皮区域图像获得所述第二区域的第一毛发密度；构建第一智能植发分析模型；将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；获得第一植发设备；依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；获得第一植发指令，依据所述第一种植点信息进行植发操作。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种基于智能比对的植发密度确定方法，其中，所述方法包括;
S100：获得第一头皮区域图像；
S200：对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；
具体而言，所述第一头皮区域图像指的是指的是植发用户的头皮图像，图像采集装置可选为高精度摄像装置；所述卷积特征指的是对所述第一头皮区域图像的特征进行卷积提取，卷积提取其实是对所述第一头皮区域图像信息的降维过程，因为植发需要有效图像信息为诸如种植区域、供体区域、原生毛发密度等信息，通过卷积提取就可以将无关或者重复的图像信息删减，得到更具代表性的特征数据；所以经过所述卷积特征提取得到具有代表性的所述第一区域和所述第二区域。进一步的，所述第一区域为所述种植区域，即需要移植毛发的区域，从所述种植区域可以提取出种植面积、皮囊情况等信息；所述第二区域为所述供体区域，即提供移植毛发的头皮区域，优选为后枕部，从所述供体区域可以提取出原生毛发密度、毛发直径、毛囊健康状况等信息。通过卷积特征提取将高精度的头皮图像信息进行处理，并将得到的特征图像信息进行存储，为后步的精确计算提供数据基础。
S300：获得所述第一区域的第一种植面积；
具体而言，所述第一区域的第一种植面积指的是所述种植区域面积大小，优选的使用平方毫米为计量单位。因为所述种植区域的图像信息都是高精度的，所以通过清晰的边界划分，可以计算得到精准的种植面积，可选的计算方式举一例：将所述种植区域的图像信息输入至建模系统中进行建模，得到3D模型，由计算机调用各边界数据准确计算得到所述第一种植面积。所述第一种植面积的精确计算保障了后步运算的准确性。
S400：获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；
S500：由所述第二头皮区域图像获得所述第二区域的第一毛发密度；
具体而言，所述第二区域的第二头皮区域图像指的是指的是预设为提供移植毛发的区域，即所述供体区域的某部位放大图像；所述第一精度指的是高精度，优选的所述第一精度至少可精确至μm级别，根据实际情况可设置其他精确度，在此不做具体限定。所述第二区域的第一毛发密度指的是所述供体区域的原生毛发密度，优选的以每平方厘米的拥有的毛囊单位个数表征原生毛发密度。在计算过程中，计算单位的统一和转化机制在此不加限制。所述第一毛发密度作为植发密度的重要参考指标，通过高精度所述供体区域某位置图像信息，可选的由计算机捕捉并统计出精准的原生毛发密度，相较于传统的人工统计，达到了效率更高，精度更高的技术效果。
S600：构建第一智能植发分析模型；
S700：将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；
具体而言，所述第一预设植发密度信息指的是将所述第一种植面积信息和所述第一毛发密度信息适配结合得到适用于植发用户的植发密度推荐信息，所述第一智能植发分析模型是以神经网络模型为基础建立，具有神经网络模型的特性，其中，人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及功能的一种抽象数学模型，神经网络是一种运算模型，由大量的节点（或称神经元）之间相互连接构成，每个节点代表一种特定的输出函数称为激励函数，每两个节点之间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆，网络的输出则依照网络的连接方式，是对一种逻辑策略的表达，基于神经网络模型建立的所述第一智能植发分析模型能够输出准确的所述第一预设植发密度信息，从而具备了较强的分析计算能力，达到了准确而高效的技术效果。
S800：获得第一植发设备；
具体而言，所述第一植发设备为和所述第一智能植发分析模型信息互通的智能设备，优选为智能植发机器人，其由大量的植发专家手术数据信息训练而成，可以准确的执行植发手术环节中的各种动作，以及对植发步骤中遇到的问题可以根据大数据提供的专家经验得以解决。因为植发手术对于植发人员的耐性、专业性要求较高，而由所述第一植发设备进行植发操作，大大降低了操作失误的风险，为植发过程的顺利进行提供了有力的保障。
S900：依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；
S1000：获得第一植发指令，依据所述第一种植点信息进行植发操作。
具体而言，所述第一种植点信息指的是所述第一植发设备在所述植发区域的种植点布局：启动所述第一植发设备，调用所述第一预设植发密度，对所述第一区域即种植区域进行布局，所述第一预设种植密度并不一定是一个值，而是可能为一组值，比如和植发用户的正面所述植发区域对应的所述第一预设种植密度则可能比植发用户的背面所述植发区域对应的所述第一预设种植密度要大。将所述第一预设植发密度和所述第一区域内各部位信息一一校对，得到所述第一区域详细的各区域植发密度，依据不同部位所述第一植发设备校对植发手法，准备就绪。进一步的，在收到所述第一植发指令之后，所述第一植发设备依据所述第一种植点信息开始植发操作。通过所述第一植发设备操作植发步骤，提达到了提高植发操作的精准性和稳定性的技术效果。
进一步的，所述方法步骤S200还包括：
S210：构建第一头皮图像数据库，获得头皮图像集合；
S220：获得所述第一区域和所述第二区域的目标卷积特征；
具体而言，此处的所述第一区域和所述第二区域指的是为进行卷积特征提取的所述第一区域和所述第二区域。
S230：根据所述目标卷积特征，对所述头皮图像集合进行遍历的卷积运算，获得第一卷积结果；
S240：根据所述第一卷积结果，获得第一匹配图像集合，其中，所述第一匹配图像集合与所述头皮图像集合具有第一映射关系；
S250：根据所述第一匹配图像集合和所述头皮图像集合，获得所述第一区域和所述第二区域。
具体而言，所述第一头皮图像数据库指的是将采集到的需植发用户的高精度头皮图像信息进行存储，并根据不同头皮区域进行分类管理，且可随时调用的数据集合。其中，所述目标卷积特征是对所述第一区域和所述第二区域的图像特征进行卷积提取，进一步的，卷积可以作为在机器学习中的特征提取器，从而使得提取到的特征信息具有集中性和代表性，进而获得所述第一区域和所述第二区域图像信息的基准卷积特征，详细来说，由于所述第一区域和所述第二区域图像信息是筛选得出的计算植发密度信息提供代表区域，从而使得提取出的卷积特征也包含了代表性，进而将所述目标卷积特征作为计算植发密度基准信息。进一步的，以得到所述目标卷积特征为基准信息，在所述第一头皮图像数据库中对所述头皮图像集合进行遍历，将和所述目标卷积特征信息相似的所述头皮图像信息筛选，并调用进行存储，得到所述第一卷积结果，而筛选出来的图像信息集合即为所述第一匹配图像集合，所述第一映射关系指的是所述第一匹配图像集合是基于所述目标卷积特征在所述头皮图像信息筛选得到，即从原本的冗杂数据降维为具有代表性的特征数据。进一步的，将对应于所述植发区域的所述第一匹配图像集合存储至所述第一区域；将对应于所述供发区域的所述第一匹配图像集合存储至所述第二区域，整理得到计算植发密度所调用的所述第一区域和所述第二区域。
进一步的，所述方法步骤S600还包括：
S610：获得第一用户信息；
S620：由所述第一用户信息获得第一植发影响因素；
S630：以所述第一植发影响因素为特征值，获得第一用户植发数据库；
S640：以所述第一用户植发数据库为训练数据，构建所述第一智能植发分析模型。
具体而言，所述第一用户信息指的是需要植发的用户的基本信息，包括但不限于性别、年龄、经济基础、主观意愿等信息；所述第一植发影响因素指的是对于植发手术有影响主客观因素集合，如经济因素：有的所述第一用户会因为经济原因而降低植发密度；年龄因素：年龄越大，可移植的毛囊数量越少，则种植密度也会降低。进一步的，将所述第一植发影响因素作为影响植发密度的特征值，组成所述第一用户植发数据库，使用所述第一用户植发数据库为训练数据，训练所述第一智能植发分析模型。
进一步的，所述第一智能植发分析模型为神经网络模型，所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。其中，它能根据训练数据进行不断的自我训练学习，所述多组中的训练数据中的每一组训练数据均包括：所述第一用户植发数据库信息。所述第一智能植发分析模型不断地自我的修正，当所述第一智能植发分析模型输出信息达到预定的准确率时，则非监督学习过程结束。通过对所述第一智能植发分析模型进行数据训练，使得所述第一智能植发分析模型处理输入数据更加准确，进而使得输出的所述第一预设植发密度信息也更加准确，达到了准确获得数据信息，提高评估结果智能化的技术效果。
进一步的，所述方法步骤S630还包括：
S631：由所述第一用户植发数据库获得第一特征数据集；
S632：对所述第一特征数据集进行中心化处理，获得第二特征数据集；
S633：获得所述第二特征数据集的第一协方差矩阵；
S634：对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
S635：将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
具体而言，对提取到的所述第一用户植发数据库数据进行数值化处理，并构建特征数据集矩阵，获得所述第一特征数据集。继而对所述第一特征数据集中的各特征数据进行中心化处理，首先求解所述第一特征数据集中各特征的平均值，然后对于所有的样本，每一个特征都减去自身的均值，继而获得新的特征值，由新的特征值构成所述第二特征数据集，所述第二特征数据集为一数据矩阵。通过协方差公式：
对所述第二特征数据集进行运算，获得所述第二特征数据集的第一协方差矩阵。其中，x_1^i为所述第二特征数据集中的特征数据；x ̅为该特征数据的平均值；M为所述第二特征数据集中的样本数据总量。继而通过矩阵运算，求出所述第一协方差矩阵的特征值及特征向量，且每一特征值对应一个特征向量。在求出的所述第一特征向量中，选取最大的前K个特征值及其对应的特征向量，并将所述第一特征数据集中的原始特征投影到所选取的特征向量之上，得到降维之后的所述第一特征数据集。通过主成分分析法对数据库中的特征数据进行降维处理，在保证信息量的前提下，剔除冗余数据，使得数据库中特征数据的样本量减小，且降维后信息量损失最小，从而加快训练模型对于数据的运算速度。
更进一步的，所述方法还包括步骤S1100：
S1110：以所述第一特征数据集为训练数据，将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第二预设植发密度；
S1120：对所述第二预设植发密度与所述第一预设植发密度进行缺损数据分析，获得第一缺损数据；
S1130：将所述第一缺损数据输入至所述第一智能植发分析模型进行增量学习，获得第二智能植发分析模型。
具体而言，所述第二预设植发密度是基于所述第一特征数据集为训练数据，将所述第一种植面积、所述第一毛发密度在所述第一智能植发分析模型中进行评估获得的对应预测的植发密度，由于第二智能植发分析模型是基于引入所述第一缺损数据完成数据损失的分析进而获得的新模型，其中，所述第一缺损数据是代表所述第一智能植发分析模型对于所述第二预设植发密度的相关知识的损失数据，再基于所述第一缺损数据完成对所述第一智能植发分析模型的增量学习，其中，增量学习是指一个学习系统能不断地从新样本中学习新的知识，并能保存大部分以前已经学习到的知识。增量学习非常类似于人类自身的学习模式。随着数据库以及互联网技术的快速发展和广泛应用，社会各部门积累了大量数据。进一步的，所述第一智能植发分析模型是多个神经元相互连接组成构成神经网络获得的，因此，通过损失数据的训练使得所述第二智能植发分析模型保留了所述第一智能植发分析模型的基本功能，并维持模型不断更新的性能，从而提高了植发密度计算的准确性，保证了精确度较高的植发水准的技术效果。
进一步的，基于所述获得第一植发设备，步骤S800还包括：
S810：由所述第一用户信息获得第一用户的第一毛囊毛发分布信息；
S820：获得所述第一毛囊毛发分布信息的第一适配种植口径；
S830：获得所述第一植发设备的第一种植口径；
S840：判断所述第一种植口径是否与所述第一适配种植口径匹配；
S850：若所述第一种植口径与所述第一适配种植口径不匹配，获得第一预警信息，所述第一预警信息用于对所述第一植发设备进行预警。
具体而言，所述第一用户的第一毛囊毛发分布信息指的是未植发前所述第一用户的毛囊毛发的布局情况，包括但不限于：可提取的毛囊数量，毛发的直径、分布情况、浓密情况等信息；所述第一适配种植口径指的是根据所述第一毛囊毛发分布信息得到所述种植区域的毛发口径，例如以原生毛发直径为准，单位优选为nm；进一步的，所述第一植发设备的第一种植口径指的是基于所述第一适配种植口径得到所述第一植发设备需要设置的可操作植发步骤的机器手精度。在设置之后，再将所述第一种植口径与所述第一适配种植口径比对，若是所述第一种植口径和所述第一适配种植口径没有差异，则执行植发操作；若是有差异，则发出所述第一预警信息，停止所述第一植发设备植发操作，调整所述第一种植口径至和所述第一适配种植口径没有差异，再继续执行植发操作。通过对所述第一植发设备的操作监督，调整所述第一植发设备的操作精度，保证所述植发操作的精准度。
进一步的，所述方法步骤S1110还包括：
S1111：由所述第一用户信息获得所述第一用户的第一毛发特征；
S1112：由所述第一用户植发数据库构建第一可视化毛发特征影响图表；
S1113：将所述第一毛发特征输入至所述第一可视化毛发特征影响图表，获得所述第一毛发特征对于所述第一预设植发密度的第一影响系数；
S1114：依据所述第一影响系数对所述第一预设植发密度进行调整，获得第二预设植发密度。
具体而言，所述第一用户的第一毛发特征指的是所述第一用户的自身毛发特征信息，例如毛发粗硬程度、一个毛囊长2根到3根毛发、毛发细软等信息；所述第一可视化毛发特征影响图表指的是基于所述第一用户植发数据库的所述第一植发因素对植发密度的影响建立图表，例如基于年龄对植发密度的影响建立图表的方式为：毛囊随年龄增长而减少，具体的减少趋势根据不同的用户而定，在此不做限定，将植发密度和年龄区间对应关系选用列表的形式进行存储，并以表格形式输出，继而依据表格数据绘制变化图并输出，优选为曲线图。进一步的，所述第一影响系数指的是将所述第一毛发特征输入至所述第一可视化毛发特征影响图表，得到所述第一毛发特征对于植发密度的附件影响，例如：若是某个用户毛发细软，会导致植发效果不明显。更进一步的，基于所述第一影响系数对所述第一预设植发密度，仍以上述为例：若是某个用户毛发细软，按照原本所述第一预设植发密度植发会导致达不到预期效果，则需要增加植发密度。利用所述第一用户的毛囊毛发特征信息对所述第一预设植发密度进行调整，得到的所述第二预设植发密度达到了个体化程度更高的技术效果。
综上所述，本申请实施例所提供的一种基于智能比对的植发密度确定方法及系统具有如下技术效果：
1、由于采用了获得第一头皮区域图像；对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；获得所述第一区域的第一种植面积；获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；由所述第二头皮区域图像获得所述第二区域的第一毛发密度；构建第一智能植发分析模型；将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；获得第一植发设备；依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；获得第一植发指令，依据所述第一种植点信息进行植发操作的技术方案，通过对种植区域和供体区域高精度的图像特征提取得到供体区域的毛发密度和种植区域的种植面积，利用智能模型分析计算得到精度高、适用性强的种植密度，进一步利用植发设备依据种植密度设计种植方案，进行植发，达到了依据高精度植发密度进行科学植发的技术效果。
2、通过损失数据的训练使得所述第二智能植发分析模型保留了所述第一智能植发分析模型的基本功能，并维持模型不断更新的性能，从而提高了植发密度计算的准确性，保证了精确度较高植发水准的技术效果。
3、利用所述第一用户的毛囊毛发特征信息对所述第一预设植发密度进行调整，得到所述第二预设植发密度达到了个体化程度更高的技术效果。
实施例二
基于与前述实施例中一种基于智能比对的植发密度确定方法相同的发明构思，如图2所示，本申请实施例提供了一种基于智能比对的植发密度确定系统，其中，所述系统包括;
第一获得单元11，所述第一获得单元11用于获得第一头皮区域图像；
第二获得单元12，所述第二获得单元12用于对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；
第三获得单元13，所述第三获得单元13用于获得所述第一区域的第一种植面积；
第四获得单元14，所述第四获得单元14用于获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；
第五获得单元15，所述第五获得单元15用于由所述第二头皮区域图像获得所述第二区域的第一毛发密度；
第一构建单元16，所述第一构建单元16用于构建第一智能植发分析模型；
第一输入单元17，所述第一输入单元17用于将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；
第六获得单元18，所述第六获得单元18用于获得第一植发设备；
第七获得单元19，所述第七获得单元19用于依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；
第八获得单元20，所述第八获得单元20用于获得第一植发指令，依据所述第一种植点信息进行植发操作。
进一步的，所述系统还包括：
第二构建单元，所述第二构建单元用于构建第一头皮图像数据库，获得头皮图像集合；
第九获得单元，所述第九获得单元用于获得所述第一区域和所述第二区域的目标卷积特征；
第十获得单元，所述第十获得单元用于根据所述目标卷积特征，对所述头皮图像集合进行遍历的卷积运算，获得第一卷积结果；
第十一获得单元，所述第十一获得单元用于根据所述第一卷积结果，获得第一匹配图像集合，其中，所述第一匹配图像集合与所述头皮图像集合具有第一映射关系；
第十二获得单元，所述第十二获得单元用于根据所述第一匹配图像集合和所述头皮图像集合，获得所述第一区域和所述第二区域。
进一步的，所述系统还包括：
第十三获得单元，所述第十三获得单元用于获得第一用户信息；
第十四获得单元，所述第十四获得单元用于由所述第一用户信息获得第一植发影响因素；
第十五获得单元，所述第十五获得单元用于以所述第一植发影响因素为特征值，获得第一用户植发数据库；
第三构建单元，所述第三构建单元用于以所述第一用户植发数据库为训练数据，构建所述第一智能植发分析模型。
进一步的，所述系统还包括：
第十六获得单元，所述第十六获得单元用于由所述第一用户植发数据库获得第一特征数据集；
第十七获得单元，所述第十七获得单元用于对所述第一特征数据集进行中心化处理， 获得第二特征数据集；
第十八获得单元，所述第十八获得单元用于获得所述第二特征数据集的第一协方差矩阵；
第十九获得单元，所述第十九获得单元用于对所述第一协方差矩阵进行运算，获得所述第一协方差矩阵的第一特征值和第一特征向量；
第二十获得单元，所述第二十获得单元用于将所述第一特征数据集投影到所述第一特征向量，获得第一降维数据集，其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
进一步的，所述系统还包括：
第二输入单元，所述第二输入单元用于以所述第一特征数据集为训练数据，将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第二预设植发密度；
第一分析单元，所述第一分析单元用于对所述第二预设植发密度与所述第一预设植发密度进行缺损数据分析，获得第一缺损数据；
第二十一获得单元，所述第二十一获得单元用于将所述第一缺损数据输入至所述第一智能植发分析模型进行增量学习，获得第二智能植发分析模型。
进一步的，所述系统还包括：
第二十二获得单元，所述第二十二获得单元用于由所述第一用户信息获得第一用户的第一毛囊毛发分布信息；
第二十三获得单元，所述第二十三获得单元用于获得所述第一毛囊毛发分布信息的第一适配种植口径；
第二十四获得单元，所述第二十四获得单元用于获得所述第一植发设备的第一种植口径；
第一判断单元，所述第一判断单元用于判断所述第一种植口径是否与所述第一适配种植口径匹配；
第二十五获得单元，所述第二十五获得单元用于若所述第一种植口径与所述第一适配种植口径不匹配，获得第一预警信息，所述第一预警信息用于对所述第一植发设备进行预警。
进一步的，所述系统还包括：
第二十六获得单元，所述第二十六获得单元用于由所述第一用户信息获得所述第一用户的第一毛发特征；
第四构建单元，所述第四构建单元用于由所述第一用户植发数据库构建第一可视化毛发特征影响图表；
第三输入单元，所述第三输入单元用于将所述第一毛发特征输入至所述第一可视化毛发特征影响图表，获得所述第一毛发特征对于所述第一预设植发密度的第一影响系数；
第一调整单元，所述第一调整单元用于依据所述第一影响系数对所述第一预设植发密度进行调整，获得第二预设植发密度。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备，
基于与前述实施例中一种基于智能比对的植发密度确定方法相同的发明构思，本申请实施例还提供了一种基于智能比对的植发密度确定系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行第一方面任一项所述的方法
该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read only memory，EEPROM)、只读光盘(compactdisc
read only memory，CD ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种基于智能比对的植发密度确定方法。
可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。
本申请实施例提供了一种基于智能比对的植发密度确定方法，其中，所述方法包括：获得第一头皮区域图像；对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；获得所述第一区域的第一种植面积；获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；由所述第二头皮区域图像获得所述第二区域的第一毛发密度；构建第一智能植发分析模型；将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；获得第一植发设备；依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；获得第一植发指令，依据所述第一种植点信息进行植发操作。通过对种植区域和供体区域高精度的图像特征提取得到供体区域的毛发密度和种植区域的种植面积，利用智能模型分析计算得到精度高、适用性强的种植密度，进一步利用植发设备依据种植密度设计种植方案，进行植发。达到了依据高精度植发密度进行科学植发的技术效果。
本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a ,b,或c中的至少一项(个、种)，可以表示：a ,b,c,a b,a c,b c,或a b c，其中a,b,c可以是单个，也可以是多个。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指
令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (2)
1.一种基于智能比对的植发密度确定系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于获得第一头皮区域图像；
第二获得单元，所述第二获得单元用于对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；
第三获得单元，所述第三获得单元用于获得所述第一区域的第一种植面积；
第四获得单元，所述第四获得单元用于获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；
第五获得单元，所述第五获得单元用于由所述第二头皮区域图像获得所述第二区域的第一毛发密度；
第一构建单元，所述第一构建单元用于构建第一智能植发分析模型；
第一输入单元，所述第一输入单元用于将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；
第六获得单元，所述第六获得单元用于获得第一植发设备；
第七获得单元，所述第七获得单元用于依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；
第八获得单元，所述第八获得单元用于获得第一植发指令，依据所述第一种植点信息进行植发操作；
其中，所述系统还包括：
第十三获得单元，所述第十三获得单元用于获得第一用户信息；
第十四获得单元，所述第十四获得单元用于由所述第一用户信息获得第一植发影响因素；
第十五获得单元，所述第十五获得单元用于以所述第一植发影响因素为特征值，获得第一用户植发数据库；
第三构建单元，所述第三构建单元用于以所述第一用户植发数据库为训练数据，构建所述第一智能植发分析模型。
2.一种基于智能比对的植发密度确定系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如下方法：
获得第一头皮区域图像；
对所述第一头皮区域图像进行卷积特征提取，获得第一区域和第二区域，其中，所述第一区域为种植区域，所述第二区域为供体区域；
获得所述第一区域的第一种植面积；
获得所述第二区域的第二头皮区域图像，所述第二头皮区域图像具有第一精度；
由所述第二头皮区域图像获得所述第二区域的第一毛发密度；
构建第一智能植发分析模型；
将所述第一种植面积、所述第一毛发密度输入至所述第一智能植发分析模型，获得第一预设植发密度；
获得第一植发设备；
依据所述第一植发设备及所述第一预设植发密度对所述第一区域进行种植点布局，获得第一种植点信息；
获得第一植发指令，依据所述第一种植点信息进行植发操作；
其中，所述构建第一智能植发分析模型，包括：
获得第一用户信息；
由所述第一用户信息获得第一植发影响因素；
以所述第一植发影响因素为特征值，获得第一用户植发数据库；
以所述第一用户植发数据库为训练数据，构建所述第一智能植发分析模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110663191.XA CN113100937B (zh) | 2021-06-16 | 2021-06-16 | 一种基于智能比对的植发密度确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110663191.XA CN113100937B (zh) | 2021-06-16 | 2021-06-16 | 一种基于智能比对的植发密度确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113100937A CN113100937A (zh) | 2021-07-13 |
| CN113100937B true CN113100937B (zh) | 2021-09-03 |
Family
ID=76723558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110663191.XA Expired - Fee Related CN113100937B (zh) | 2021-06-16 | 2021-06-16 | 一种基于智能比对的植发密度确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113100937B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113554483A (zh) * | 2021-07-19 | 2021-10-26 | 浙江工企信息技术股份有限公司 | 一种订单全生命周期管理方法及系统 |
| CN114581413A (zh) * | 2022-03-07 | 2022-06-03 | 南京新生医疗科技有限公司 | 一种应用于植发的图像处理工作方法及系统 |
| CN115346681A (zh) * | 2022-08-29 | 2022-11-15 | 北京云数智康医疗科技有限公司 | 一种头部植发手术成活率ai评估分析计算系统及方法 |
| CN115192191A (zh) * | 2022-09-13 | 2022-10-18 | 中南大学湘雅医院 | 一种植发手术描记规划方法、系统及存储介质 |
| CN117159157B (zh) * | 2023-09-27 | 2024-02-06 | 北京碧莲盛不剃发植发医疗美容门诊部有限责任公司 | 一种用于不剃发植发的机械手及控制模块 |
| CN117934582B (zh) * | 2024-01-24 | 2024-09-10 | 大麦毛发医疗(深圳)集团股份有限公司 | 一种毛囊种植笔种植区域面积计算方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8945150B2 (en) * | 2011-05-18 | 2015-02-03 | Restoration Robotics, Inc. | Systems and methods for selecting a desired quantity of follicular units |
| US9167999B2 (en) * | 2013-03-15 | 2015-10-27 | Restoration Robotics, Inc. | Systems and methods for planning hair transplantation |
| CN111755097A (zh) * | 2020-07-06 | 2020-10-09 | 南方医科大学南方医院 | 一种自动化计算毛囊种植量的方法和系统 |
| CN112914516A (zh) * | 2021-03-25 | 2021-06-08 | 王宏鑫 | 一种头部植发区域的智能检测方法及头部辅助检测系统 |
-
2021
- 2021-06-16 CN CN202110663191.XA patent/CN113100937B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN113100937A (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113100937B (zh) | 一种基于智能比对的植发密度确定方法及系统 | |
| CN113537063B (zh) | 一种基于综合遥感技术的森林环境遥感监测方法及终端 | |
| CN113360780A (zh) | 一种基于大数据的信息推荐方法及系统 | |
| CN111611085B (zh) | 基于云边协同的人机混合增强智能系统、方法、装置 | |
| CN109034231A (zh) | 信息反馈rbf网络估值的不完整数据模糊聚类方法 | |
| CN108241872A (zh) | 基于多特征因子的隐马尔科夫模型的自适应股票预测方法 | |
| CN113314201A (zh) | 一种神经内科临床护理安全隐患分析方法及系统 | |
| CN113537245A (zh) | 一种基于特征图的神经网络剪枝方法 | |
| CN113851218A (zh) | 一种基于影像信息的结核病治疗方案匹配方法及系统 | |
| CN111816298B (zh) | 事件预测方法及其装置、存储介质、终端、云服务系统 | |
| CN113299361A (zh) | 一种基于病人临床表现的档案构建方法及系统 | |
| Saerens et al. | Any reasonable cost function can be used for a posteriori probability approximation | |
| CN116468102A (zh) | 刀具图像分类模型剪枝方法、装置、计算机设备 | |
| CN113284596A (zh) | 一种手术室麻醉科的物资管理方法及系统 | |
| Dokuchaev et al. | Comparison of the Spectral and Hierarchy Analysis Methods Applicability for Technical Systems Choosing | |
| CN116229330A (zh) | 一种视频有效帧的确定方法、系统、电子设备及存储介质 | |
| CN113420733B (zh) | 一种高效分布式大数据数据采集实现方法及系统 | |
| CN114021699A (zh) | 一种基于梯度的卷积神经网络剪枝方法及装置 | |
| CN113296947A (zh) | 基于改进XGBoost模型的资源需求预测方法 | |
| CN111583990B (zh) | 一种结合稀疏回归和淘汰规则的基因调控网络推断方法 | |
| CN114664415A (zh) | 基于深度学习模型的智能科室导诊推荐系统 | |
| CN114580915A (zh) | 一种新微针技术植发效果的智能评价方法及系统 | |
| CN114169731A (zh) | 一种科研机构评级系统、方法、设备和存储介质 | |
| CN117151229B (zh) | 一种基于云边端架构的云端推理方法及系统 | |
| CN111401591A (zh) | 一种质差用户确定方法、装置和可读介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210903 |