FR3122076A1 - dispositif INFORMATIQUE, procédé et appareil de DÉTECTION D’affections de peau d’un sujet humain - Google Patents

dispositif INFORMATIQUE, procédé et appareil de DÉTECTION D’affections de peau d’un sujet humain Download PDF

Info

Publication number
FR3122076A1
FR3122076A1 FR2106235A FR2106235A FR3122076A1 FR 3122076 A1 FR3122076 A1 FR 3122076A1 FR 2106235 A FR2106235 A FR 2106235A FR 2106235 A FR2106235 A FR 2106235A FR 3122076 A1 FR3122076 A1 FR 3122076A1
Authority
FR
France
Prior art keywords
data
skin
normalized
human subject
tone
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.)
Granted
Application number
FR2106235A
Other languages
English (en)
Other versions
FR3122076B1 (fr
Inventor
Wenna WANG
Chengda YE
Thomas Andrew STEEL
Frédéric FLAMENT
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
LOreal SA
Original Assignee
LOreal SA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by LOreal SA filed Critical LOreal SA
Publication of FR3122076A1 publication Critical patent/FR3122076A1/fr
Application granted granted Critical
Publication of FR3122076B1 publication Critical patent/FR3122076B1/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/442—Evaluating skin mechanical properties, e.g. elasticity, hardness, texture, wrinkle assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/444—Evaluating skin marks, e.g. mole, nevi, tumour, scar
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
    • A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
    • A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Dermatology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

dispositif INFORMATIQUE , procédé et appareil DE DÉTECTION D ’ affections de peau d ’ un sujet humain L’invention concerne un dispositif informatique de détection d’affections de peau d’un sujet humain, et un procédé de détection d’affections de peau d’un sujet humain, le procédé (200) comprenant : l’extraction de données d’objet ou d’aspect significatif (201) à partir d’une ou plusieurs images numériques d’une région de peau d’un sujet humain ; la génération de données de caractéristiques de peau normalisées (202) d’après les données d’objet ou d’aspect significatif extraites des une ou plusieurs images numériques de la région de peau ; et la prédiction de données d’affection de peau d’après un mélange des données de caractéristiques de peau normalisées (203). Figure pour l’abrégé : 2

Description

dispositif INFORMATIQUE, procédé et appareil de DÉTECTION D’affections de peau d’un sujet humain
La divulgation concerne le domaine des cosmétiques. Plus spécifiquement, la divulgation concerne un dispositif informatique, un procédé et un appareil de détection d’affections de peau d’un sujet humain.
CONTEXTE
La peau est le plus grand organe du corps humain et l’un des plus importants. Parmi ses nombreuses fonctions, la peau constitue une barrière protectrice contre les substances nocives, les effets nocifs des rayons UV ainsi que les blessures mécaniques, thermiques et physiques. La peau agit également comme un organe sensoriel qui permet de percevoir la température, le toucher, etc. Le maintien d’une peau saine nécessite souvent la connaissance de l’état et du statut de plusieurs affections de peau. Dans l’état de la technique existant, la présence ou l’absence de pores, de rides, de carnation, de boutons et de points noirs est souvent utilisée pour mesurer des affections de peau d’un utilisateur. Bien que l’état de la technique existant divulgue des solutions techniques de détection d’affections de peau d’un utilisateur, cet état de la technique est incomplet du point de vue de la détection de peau et est également imprécis.
Par conséquent, il existe un besoin de détection, de quantification et de classification d’affections de peau de l’utilisateur et de changements d’affections de peau de l’utilisateur afin de fournir des résultats de détection plus complets et plus précis pour la peau de l’utilisateur.
RÉSUMÉ
Le résumé est donné pour présenter une sélection de concepts sous forme simplifiée qui sont décrits plus en détail ci-dessous. Ce résumé n’est pas destiné à identifier des particularités principales ou des particularités essentielles de l’objet revendiqué, ni à être utilisé pour limiter le cadre de l’objet revendiqué.
Divers aspects et particularités de la divulgation sont décrits plus en détail ci-dessous.
Selon un premier aspect de la divulgation, il est proposé une unité d’objet ou d’aspect significatif comportant une circuiterie de calcul informatique configurée pour extraire des données d’objet ou d’aspect significatif à partir d’une ou de plusieurs images numériques d’une région de peau du sujet humain ; une unité de normalisation comportant une circuiterie de calcul informatique configurée pour générer des données de caractéristiques de peau normalisées d’après les données d’objet ou d’aspect significatif extraites à partir des une ou plusieurs images numériques de la région de peau ; et une unité de prédiction de peau comportant une circuiterie de calcul informatique configurée pour prédire des données d’affection de peau d’après un mélange des données de caractéristiques de peau normalisées.
Dans un mode de réalisation, les données d’objet ou d’aspect significatif comportent des données d’acné, des données de points noirs, des données de cernes, des données de pores, des données de sensibilité de peau, des données de boutons, des données de rides, des données de tonicité, des données d’âge, des données de teint, des données de réflexion, ou des données de carnation et similaires.
Dans un mode de réalisation, les données d’objet ou d’aspect significatif comportent la présence, l’absence ou la gravité de données de pores, la présence, l’absence ou la gravité de données de rides, la présence, l’absence ou la gravité de données de points noirs, la présence, l’absence ou la gravité de données d’acné, et similaires.
Dans un mode de réalisation, les données d’objet ou d’aspect significatif comportent des changements de données de réflexion, des changements de données de teint, des changements de données de rides, des changements de de boutons, des changements de données de cernes, et similaires.
Dans un mode de réalisation, les données d’affection de peau comportent des données de texture de peau, des données de carnation, des données de tonicité de peau, des données de translucidité de peau, ou similaires.
Dans un mode de réalisation, les données d’affection de peau prédites comportent une sensibilité de peau prédite, une texture de peau prédite, un carnation prédite, une tonicité de peau prédite, une translucidité de peau prédite, ou similaires.
Dans un mode de réalisation, les données d’affection de peau prédites comportent des changements de données de carnation, des changements de données de translucidité de peau, des changements de données de texture de peau, des changements de données de tonicité de peau, ou similaires.
Dans un mode de réalisation, les données d’affection de peau prédites comportent des données indicatives de la présence, de l’absence, de la gravité, ou d’un changement d’une affection associée à la carnation, à la translucidité de peau, à la texture de peau, à la tonicité de peau, ou similaires.
Dans un mode de réalisation, des données normalisées comportent des données d’objet ou d’aspect de peau normalisées, des données de caractéristiques de peau normalisées, ou similaires.
Dans un mode de réalisation, des données normalisées comportent des données d’acné normalisées, des données de points noirs normalisées, des données de cernes normalisées, des données de pores normalisées, des données de sensibilité de peau normalisées, des données de boutons normalisées, des données de rides normalisées, des données de tonicité normalisées, des données d’âge normalisées, des données de teint normalisées, des données de réflexion normalisées, ou des données de carnations normalisées ou similaires.
Dans un mode de réalisation, le dispositif informatique comprend en outre un afficheur d’affection de peau comportant une circuiterie de calcul informatique configurée pour afficher sur une interface utilisateur graphique une ou plusieurs instances des données d’objet ou d’aspect significatif extraites, des données de caractéristiques de peau normalisées ou des données d’affection de peau prédites. Dans un mode de réalisation, les données de caractéristiques de peau normalisées sont telles que des données d’acné normalisées, des données de points noirs normalisées, des données de cernes normalisées, des données de pores normalisées, des données de sensibilité de peau normalisées, des données de boutons normalisées, des données de rides normalisées, des données de tonicité normalisées, des données d’âge normalisées, des données de teint normalisées, des données de réflexion normalisées, ou des données de carnation normalisées ou similaires.
Dans un mode de réalisation, l’unité de prédiction de peau comporte une circuiterie de calcul informatique configurée pour prédire des données de translucidité de peau d’après un mélange pondéré de données de réflexion normalisées, de données de teint normalisées, de données de rides normalisées, de données de boutons normalisées et de données de cernes normalisées.
Plus particulièrement, l’unité de prédiction de peau inclut comporte une circuiterie de calcul informatique configurée pour prédire des données de translucidité de peau d’après un mélange pondéré de Pn_r éflexion, Pn_ teint, Pn_ri des, Pn_ boutonset Pn_ cernes,
où Ptranslucidité d e peau= W1×Pn _réflexion+W2×Pn_ teint+W3×Pn_ri des+W4×Pn_ boutons+W5×Pn_ cernes,
(équation 1)
où
Ptranslucidité de peaureprésente les données de translucidité de peau,
Pn_réflexionreprésente les données de réflexion normalisées,
Pn_ teintreprésente les données de teint normalisées,
Pn_ ridesreprésente les données de rides normalisées,
Pn_ boutonsreprésente les données de boutons normalisées,
Pn_cer nesreprésente les données de cernes normalisées ;
où W1, W2, W3, W4et W5sont des pondérations prédéfinies ; et
où W1+ W2+ W3+ W4+ W5= 1.
Dans un mode de réalisation, l’unité de prédiction de peau comporte une circuiterie de calcul informatique configurée pour prédire des données de texture de peau d’après un mélange pondéré de données de pores normalisées, de données de rides normalisées, de données de points noirs normalisées et de données d’acné normalisées.
Plus particulièrement, l’unité de prédiction de peau comporte une circuiterie de calcul informatique configurée pour prédire des données de texture de peau d’après un mélange pondéré de Pn_pore, Pn_ rides, Pn_ points noirs et Pn_acn é;
où Ptexture de peau= W6×Pn_pore s+W7×Pn_ rides+W8×Pn_ points noirs+W9×Pn_acn é; (équation 2)
où
Ptexture de peaureprésente les données de texture de peau,
Pn_pore sreprésente les données de pores normalisées,
Pn_ ridesreprésente les données de rides normalisées,
Pn_ points noirsreprésente les données de points noirs normalisées,
Pn_acnéreprésente les données d’acné normalisées,
où W6, W7, W8et W9sont des pondérations prédéfinies ; et
où W6+ W7+ W8+ W9= 1.
Dans un mode de réalisation, l’unité de prédiction de peau comporte une circuiterie de calcul informatique configurée pour prédire des données de carnation d’après un mélange pondéré de données de carnation normalisées, de données de boutons normalisées, de données d’acné normalisées, de données de points noirs normalisées, de données de cernes normalisées, de données de sensibilité normalisées.
Plus particulièrement, l’unité de prédiction de peau comporte une circuiterie de calcul informatique configurée pour prédire des données de carnation d’après un mélange pondéré de Pn_ carnation, Pn_ boutons, Pn_ points noirs, Pn_ cernes, Pn_sensi bilité, Pn_acn é;
Pcarnation=W10×Pn_ carnation+W11×Pn_ boutons+W12×Pn_ points noirs+W13×Pn_ cernes+W14×Pn_sensi bilité+W15×Pn_acn é, (équation 3)
où Pcarnationreprésente les données d’uniformité de la carnation ;
Pn_ carnationreprésente les données de couleur de peau normalisées ;
Pn_ boutonsreprésente les données de boutons normalisées ;
Pn_ points noirsreprésente les données de points noirs normalisées ;
Pn_ cernesreprésente les données de cernes normalisées ;
Pn_sensi bilitéreprésente les données de sensibilité normalisées ;
Pn_acn éreprésente les données d’acné normalisées ; et
où W10, W11, W12, W13, W14et W15sont des pondérations prédéfinies ; et
où W10+ W11+W12+W13+W14+W15=1.
On notera que tout au long de la description, un nouveau paramètre « carnation » est proposé et le nouveau terme « carnation » signifie l’uniformité de la carnation. Les mélanocytes dans l’épiderme sont les principaux facteurs qui déterminent la couleur de peau. Le vieillissement de peau, l’acné ou d’autres problèmes peuvent augmenter la pigmentation du visage et influencer la couleur et l’uniformité de peau. Les cernes sous les yeux et l’acné inflammatoire peuvent également changer la carnation.
On notera également que tout au long de la description, l’expression « carnation normalisée » signifie la couleur de peau normalisée.
Dans un mode de réalisation, l’unité de prédiction de peau comporte une circuiterie de calcul informatique configurée pour prédire les données de tonicité de peau d’après un mélange pondéré de données d’âge, de données de tonicité et de données de rides normalisées.
Plus particulièrement, l’unité de prédiction de peau comporte une circuiterie de calcul informatique configurée pour prédire des données de tonicité de peau d’après un mélange pondéré de Pn_âge, Pn_tonicitéet Pn_rides;
Ptonicité de peau=W16×Pn_â ge+W17×Pn_tonicité+W18×Pn_rides, (équation 4)
où Ptonicité de peaureprésente des données de fermeté de peau humaine ;
Pn_â gereprésente les données d’âge normalisées ;
Pn_tonicitéreprésente les données de relâchement de peau normalisées sur le contour facial ;
Pn_ridesreprésente les données de rides normalisées ; et
où W16, W17et W18sont des pondérations prédéfinies ; et
où W16+W17+W18=1.
On notera que tout au long de la description, un nouveau paramètre « tonicité de peau » est proposé et la nouvelle expression « tonicité de peau » signifie des données de fermeté de peau humaine. Avec le vieillissement de peau, la perte d’élastine et de collagène dans le derme, les changements du tissu sous-cutané et la gravité peuvent entraîner une laxité de peau du visage, qui se manifeste par un relâchement de peau sur les joues, les mâchoires et le cou, des plis nasogéniens et des poches sous les yeux, etc.
On notera également que tout au long de la description, le terme « tonicité » désigne le relâchement de peau sur le contour du visage.
Selon un deuxième aspect de la divulgation, il est proposé un procédé de détection d’affections de peau d’un sujet humain, le procédé comprenant l’extraction de données d’objets ou d’aspect significatif à partir d’une ou de plusieurs images numériques d’une région de peau d’un sujet humain ; la génération de données de caractéristiques de peau normalisées d’après les données d’objet ou d’aspect significatif extraites à partir des une ou plusieurs images numériques de la région de peau ; et la prédiction de données d’affection de peau d’après un mélange des données de caractéristiques de peau normalisées.
Dans un mode de réalisation, le procédé comprend en outre l’extraction de données d’acné, de données de points noirs, de données de cernes, de données de pores, de données de sensibilité de peau, de données de boutons, de données de rides, de données de tonicité, de données d’âge, de données de teint, de données de réflexion ou de données de carnation à partir des une ou plusieurs images numériques de la région de peau.
Dans un mode de réalisation, ledit procédé comprend également des données d’acné normalisées, des données de points noirs normalisées, des données de cernes normalisées, des données de pores normalisées, des données de sensibilité de peau normalisées, des données de boutons normalisées, des données de rides normalisées, des données de tonicité normalisées, des données d’âge normalisées, des données de teint normalisées, des données de réflexion normalisées, ou des données de carnation normalisées.
Dans un mode de réalisation, le procédé comprend en outre l’extraction de données indicatives d’une présence, d’une absence ou d’une gravité d’une affection de peau à partir des une ou plusieurs images numériques de la région de peau.
Dans un mode de réalisation, les données d’objet ou d’aspect significatif comportent des données d’acné, des données de points noirs, des données de cernes, des données de pores, des données de sensibilité de peau, des données de boutons, des données de rides, des données de tonicité, des données d’âge, des données de teint, des données de réflexion, ou des données de carnation et similaires.
Dans un mode de réalisation, les données d’objet ou d’aspect significatif comportent des données de présence, absence ou gravité de pores, des données de présence, absence ou gravité de rides, des données de présence, absence ou gravité de points noirs, des données de présence, absence ou gravité d’acné, et similaires.
Dans un mode de réalisation, les données d’objet ou d’aspect significatif comportent des changements de données de réflexion, des changements de données de teint, des changements de données de rides, des changements de boutons, des changements de données de cernes, et similaires.
Dans un mode de réalisation, les données d’affection de peau comportent des données de texture de peau ; des données de carnation ; des données de tonicité de peau ; des données de translucidité de peau, ou similaires.
Dans un mode de réalisation, les données d’affection de peau prédites comportent une sensibilité de peau prédite, une texture de peau prédite, une carnation prédite, une tonicité de peau prédite, une translucidité de peau prédite, ou similaires.
Dans un mode de réalisation, les données d’affection de peau prédites comportent des changements de données de carnation, des changements de données de translucidité de peau, des changements de données de texture de peau, des changements de données de tonicité de peau, ou similaires.
Dans un mode de réalisation, les données d’affection de peau prédites comportent des données indicatives de la présence, de l’absence, de la gravité, ou d’un changement d’une affection associée à la carnation, à la translucidité de peau, à la texture de peau, à la tonicité de peau, ou similaires.
Dans un mode de réalisation, des données de caractéristiques de peau normalisées comportent des données d’acné normalisées, des données de points noirs normalisées, des données de cernes normalisées, des données de pores normalisées, des données de sensibilité de peau normalisées, des données de boutons normalisées, des données de rides normalisées, des données de tonicité normalisées, des données d’âge normalisées, des données de teint normalisées, des données de réflexion normalisées, ou des données de carnation normalisées ou similaires.
Dans un mode de réalisation, le procédé comprend en outre l’affichage sur une interface utilisateur graphique d’une ou de plusieurs instances des données d’objet ou d’aspect significatif extraites, des données de caractéristiques de peau normalisées ou des données d’affection de peau prédites. Dans un mode de réalisation, les données de translucidité de peau sont prédites d’après un mélange pondéré de données de réflexion normalisées, de données de teint normalisées, de données de rides normalisées, de données de boutons normalisées et de données de cernes normalisées. Dans un mode de réalisation, des données de texture de peau sont prédites d’après un mélange pondéré de données de pores normalisées, de données de rides normalisées, de données de points noirs normalisées et de données d’acné normalisées. Dans un mode de réalisation, des données de carnation sont prédites d’après un mélange pondéré de données de carnation normalisées, de données de boutons normalisées, de données d’acné normalisées, de données de points noirs normalisées, de données de cernes normalisées, de données de sensibilité normalisées. Dans un mode de réalisation, des données de tonicité de peau sont prédites d’après un mélange pondéré de données d’âge normalisées, de données de tonicité normalisées et de données de rides normalisées.
Plus particulièrement, les données de translucidité de peau sont prédites par l’équation 1 mentionnée ci-dessus, les données de texture de peau sont prédites par l’équation 2 mentionnée ci-dessus, les données de carnation sont prédites par l’équation 3 mentionnée ci-dessus et les données de tonicité de peau sont prédites par l’équation 4 mentionnée ci-dessus.
Selon un troisième aspect de la divulgation, il est prévu un support lisible par ordinateur sur lequel sont stockées des instructions qui, lorsqu’elles sont exécutées, amènent un dispositif informatique à réaliser le procédé mentionné ci-dessus.
Selon un quatrième aspect de la divulgation, il est prévu un appareil de détection d’affections de la peau d’un utilisateur, l’appareil comprenant des moyens pour réaliser le procédé mentionné ci-dessus.
Selon la divulgation, des affections de la peau d’un utilisateur peuvent être mesurées de manière précise et complète à l’aide de quatre nouveaux paramètres spécifiques, c’est-à-dire la texture de peau, la carnation, la translucidité de peau et la tonicité de peau.
Les aspects, particularités et bénéfices mentionnés ci-dessus et ainsi que d’autres de divers modes de réalisation de la divulgation ressortiront plus clairement, à titre d’exemple, de la description détaillée suivante, en référence aux dessins qui l’accompagnent, dans lesquels des références numériques ou des lettres identiques sont utilisés pour désigner des éléments identiques ou équivalents. Les dessins sont illustrés pour faciliter une meilleure compréhension des modes de réalisation de la divulgation et ne sont pas nécessairement dessinés à l’échelle, dans lesquels :
la illustre un schéma fonctionnel d’un dispositif informatique en conformité avec un premier aspect de la présente divulgation ;
la illustre un organigramme d’un procédé de détection d’affections de peau d’un sujet humain en conformité avec un deuxième aspect de la présente divulgation ;
la illustre un organigramme d’un procédé de prédiction de données de translucidité de peau du sujet humain en conformité avec un premier mode de réalisation du deuxième aspect de la présente divulgation ;
la illustre un organigramme d’un procédé de prédiction de données de texture de peau du sujet humain en conformité avec un deuxième mode de réalisation du deuxième aspect de la présente divulgation ;
la illustre un organigramme d’un procédé de prédiction de données de carnation du sujet humain selon un troisième mode de réalisation du deuxième aspect de la présente divulgation ;
la illustre un organigramme d’un procédé de prédiction de données de tonicité de peau du sujet humain en conformité avec un quatrième mode de réalisation du deuxième aspect de la présente divulgation.

Claims (10)

  1. Dispositif informatique (100) de détection d’affections de peau d’un sujet humain, le dispositif informatique comprenant :
    une unité d’objet ou d’aspect significatif (101) comportant une circuiterie de calcul informatique configurée pour extraire des données d’objet ou d’aspect significatif à partir d’une ou de plusieurs images numériques d’une région de peau du sujet humain ;
    une unité de normalisation (102) comportant une circuiterie de calcul informatique configurée pour générer des données de caractéristiques de peau normalisées d’après les données d’objet ou d’aspect significatif extraites à partir des unes ou plusieurs images numériques de la région de peau ; et
    une unité de prédiction de peau (103) comportant une circuiterie de calcul informatique configurée pour prédire des données d’affection de peau d’après un mélange des données de caractéristiques de peau normalisées.
  2. Dispositif informatique (100) de détection des affections de peau du sujet humain selon la revendication 1, comprenant en outre :
    un afficheur d’affection de peau comportant une circuiterie de calcul informatique configurée pour afficher sur une interface utilisateur graphique une ou plusieurs instances des données d’objet ou d’aspect significatif extraites, des données de caractéristiques de peau normalisées ou des données d’affection de peau prédites.
  3. Dispositif informatique (100) de détection d’affections de peau du sujet humain selon l’une des revendications 1 et 2, dans lequel l’unité d’objet ou d’aspect significatif (101) comporte une circuiterie de calcul informatique configurée pour extraire des données d’acné, des données de points noirs, des données de cernes, des données de pores, des données de sensibilité de peau, des données de boutons, des données de rides, des données de tonicité, des données d’âge, des données de teint, des données de réflexion ou des données de carnation à partir des une ou plusieurs images numériques de la région de peau.
  4. Dispositif informatique (100) de détection d’affections de peau du sujet humain selon l’une des revendications 1 à 3, dans lequel l’unité de normalisation (102) comporte une circuiterie de calcul informatique configurée pour générer des données d’acné normalisées, des données de points noirs normalisées, des données de cernes normalisées, des données de pores normalisées, des données de sensibilité de peau normalisées, des données de boutons normalisées, des données de rides normalisées, des données de tonicité normalisées, des données d’âge normalisées, des données de teint normalisées, des données de réflexion normalisées ou des données de carnation normalisées.
  5. Dispositif informatique (100) de détection d’affections de peau du sujet humain selon l’une des revendications 1 à 4, dans lequel l’unité d’objet ou d’aspect significatif (101) comporte une circuiterie de calcul informatique configurée pour obtenir des données indicatives d’une présence, d’une absence, ou d’une gravité d’une affection de peau à partir des une ou plusieurs images numériques de la région de peau.
  6. Dispositif informatique (100) de détection d’affections de peau du sujet humain selon la revendication 4, dans lequel l’unité de prédiction de peau (103) comporte une circuiterie de calcul informatique configurée pour prédire des données de translucidité de peau d’après un mélange pondéré de données de réflexion normalisées, de données de teint normalisées, de données de rides normalisées, de données de boutons normalisées et de données de cernes normalisées.
  7. Procédé de détection (200) d’affections de peau d’un sujet humain, le procédé comprenant :
    l’extraction de données d’objet ou d’aspect significatif (201) à partir d’une ou de plusieurs images numériques d’une région de peau du sujet humain ;
    la génération de données de caractéristiques de peau normalisées (202) d’après les données d’objet ou d’aspect significatif extraites à partir des unes ou plusieurs images numériques de la région de peau ; et
    la prédiction de données d’affection de peau d’après un mélange des données de caractéristiques de peau normalisées (203),
    dans lequel l’étape d’extraction (201) comprend :
    l’extraction (301, 401, 501) de données d’acné, de données de points noirs, de données de cernes, de données de pores, de données de sensibilité de peau, de données de boutons, de données de rides, de données de tonicité, de données d’âge, de données de teint, de données de réflexion ou de données de carnation à partir des une ou plusieurs images numériques de la région de peau.
  8. Procédé de détection (200) d’affections de peau du sujet humain selon la revendication 7, dans lequel l’étape de génération de données (202) comprend :
    la génération (302, 402, 502) de données d’acné normalisées, de données de points noirs normalisées, de données de cernes normalisées, de données de pores normalisées, de données de sensibilité de peau normalisées, de données de boutons normalisées, de données de rides normalisées, de données de tonicité normalisées, de données d’âge normalisées, de données de teint normalisées, de données de réflexion normalisées ou de données de carnation normalisées.
  9. Support lisible par ordinateur sur lequel sont stockées des instructions qui, lorsqu’elles sont exécutées, amènent un dispositif informatique à réaliser le procédé selon l’une des revendications 7 et 8.
  10. Appareil de détection d’affection de peau d’un utilisateur, l’appareil comprenant des moyens pour réaliser le procédé selon l’une des revendications 7 et 8.
FR2106235A 2021-04-26 2021-06-14 dispositif INFORMATIQUE, procédé et appareil de DÉTECTION D’affections de peau d’un sujet humain Active FR3122076B1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/CN2021/089954 WO2022226728A1 (fr) 2021-04-26 2021-04-26 Dispositif informatique, procédé et appareil permettant de détecter des affections cutanées d'un sujet humain
WOPCT/CN2021/089954 2021-04-26

Publications (2)

Publication Number Publication Date
FR3122076A1 true FR3122076A1 (fr) 2022-10-28
FR3122076B1 FR3122076B1 (fr) 2024-02-02

Family

ID=83723830

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2106235A Active FR3122076B1 (fr) 2021-04-26 2021-06-14 dispositif INFORMATIQUE, procédé et appareil de DÉTECTION D’affections de peau d’un sujet humain

Country Status (3)

Country Link
CN (1) CN117241722A (fr)
FR (1) FR3122076B1 (fr)
WO (1) WO2022226728A1 (fr)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2897768A1 (fr) * 2006-02-24 2007-08-31 Oreal Procede d'evaluation de l'eclat du teint.
FR2983328A1 (fr) * 2011-11-29 2013-05-31 Dev Industrialisation Et Promotion De Technologies Avancees Procede de fabrication et/ou de selection de produits cosmetiques adaptes a un client particulier et programme d'ordinateur mettant en oeuvre ledit procede
US20150099947A1 (en) * 2013-10-04 2015-04-09 Access Business Group International Llc Skin youthfulness index, methods and applications thereof
US20170270350A1 (en) * 2016-03-21 2017-09-21 Xerox Corporation Method and system for assessing facial skin health from a mobile selfie image

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120288168A1 (en) * 2011-05-09 2012-11-15 Telibrahma Convergent Communications Pvt. Ltd. System and a method for enhancing appeareance of a face
WO2014208067A1 (fr) * 2013-06-28 2014-12-31 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ Dispositif d'évaluation de fonction cutanée et méthode d'évaluation de la peau
CN111814520A (zh) * 2019-04-12 2020-10-23 虹软科技股份有限公司 肤质检测方法、肤质等级分类方法及肤质检测装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2897768A1 (fr) * 2006-02-24 2007-08-31 Oreal Procede d'evaluation de l'eclat du teint.
FR2983328A1 (fr) * 2011-11-29 2013-05-31 Dev Industrialisation Et Promotion De Technologies Avancees Procede de fabrication et/ou de selection de produits cosmetiques adaptes a un client particulier et programme d'ordinateur mettant en oeuvre ledit procede
US20150099947A1 (en) * 2013-10-04 2015-04-09 Access Business Group International Llc Skin youthfulness index, methods and applications thereof
US20170270350A1 (en) * 2016-03-21 2017-09-21 Xerox Corporation Method and system for assessing facial skin health from a mobile selfie image

Also Published As

Publication number Publication date
CN117241722A (zh) 2023-12-15
FR3122076B1 (fr) 2024-02-02
WO2022226728A1 (fr) 2022-11-03

Similar Documents

Publication Publication Date Title
CN105120747B (zh) 皮肤的暗沉评价装置以及皮肤的暗沉评价方法
Ramlakhan et al. A mobile automated skin lesion classification system
JP7235895B2 (ja) 美容的皮膚特性を視覚化するための装置及び方法
JP7553621B2 (ja) 美容的皮膚属性を決定するための機器及び方法
Uzair et al. Is spectral reflectance of the face a reliable biometric?
Guissous Skin lesion classification using deep neural network
Zhang et al. Real-time automatic deceit detection from involuntary facial expressions
FR3122076A1 (fr) dispositif INFORMATIQUE, procédé et appareil de DÉTECTION D’affections de peau d’un sujet humain
US20230144089A1 (en) Smart system for skin testing and customised formulation and manufacturing of cosmetics
Jung et al. Deep learning-based optical approach for skin analysis of melanin and hemoglobin distribution
Alasadi et al. Diagnosis of malignant melanoma of skin cancer types
Huang et al. A cloud-based intelligent skin and scalp analysis system
Liu et al. Towards automatic acne detection using a MRF model with chromophore descriptors
TWI729338B (zh) 皮膚檢測方法及影像處理裝置
WO2023218485A1 (fr) Système et procédé de classification d'affections cutanées
Kahofer et al. Tissue counter analysis of dermatoscopic images of melanocytic skin tumours: preliminary findings
KR102450422B1 (ko) 다파장을 이용하여 피부 분석 정보를 획득하는 방법 및 장치
Chan et al. A Skin Type Classification Method Using Mobile Device-Based Deep Learning Model
Islam et al. A framework for detecting arsenic disease
Liu et al. Skin pigmentation detection using projection transformed block coefficient
FR2897768A1 (fr) Procede d'evaluation de l'eclat du teint.
Cho et al. A machine learning-driven approach to computational physiological modeling of skin cancer
Mulyana et al. Pornographic images classification using CNN methods on Android-based smartphone devices
Liu et al. Skin-pigmentation-disorder detection algorithm based on projective coordinates
WO2023054008A1 (fr) Procédé d'évaluation du vieillissement de la peau et de l'aspect par les cheveux

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20221028

PLFP Fee payment

Year of fee payment: 3

PLFP Fee payment

Year of fee payment: 4