JP2014104132A - 肌画像分析装置及び肌画像分析方法 - Google Patents

Abstract

【課題】肌画像に基づいて肌の代謝状態を推定する技術を提供する。
【解決手段】肌画像分析装置は、分析対象肌の色素斑部及びこの色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得する取得部と、この取得部により取得されるメラニン成分画像から、輝度の変動係数を算出する算出部と、この算出部により算出される変動係数を用いて、肌の代謝状態を推定する推定部とを有する。
【選択図】図２

Description

本発明は、肌画像の分析技術に関する。

肌の総合的な状態を表す指標として、肌の老化の進み具合（老化傾向）を示す肌年齢と呼ばれる尺度がよく利用されている。下記特許文献１では、頬の表皮の角質細胞の平均面積と季節とを指標として肌年齢を推定する手法が提案されている。一方、加齢に伴い変化する肌の指標として、肌の新陳代謝の状態（代謝状態）や表皮厚が着目されている。下記特許文献２では、皮膚を構成する表皮の厚さが加齢に応じて減少することが記載されている。また、下記非特許文献１及び２には、表皮の機能であり、肌の代謝状態を表すターンオーバー（角化）の速度が加齢に応じて減少することが記載されている。

特開平１１−２９９７９２号公報 特開２００６−３８５号公報

Journal of Gerontologty, 38, pages 137-142, 1983 日皮会誌, 99, pages 999-1006, 1989

しかし、上述の特許文献１の手法では、細胞の採取、染色、顕微鏡観察などにより、角質細胞の平均面積を得るのに多くの時間及び労力が必要となる。また、分析対象肌から、表皮厚やターンオーバー速度を測定することには一定のハードルがある。例えば、表皮厚を測定するためには、上述の特許文献２で提案されるようなＯＣＴ（Optical Coherence Tomography）計測装置が必要となり、ターンオーバー速度を計測することは実際上困難である。

本発明は、このような課題に鑑みてなされたものであり、肌画像に基づいて肌の代謝状態を推定する技術を提供する。

本発明の各態様では、上述した課題を解決するために、それぞれ以下の構成を採用する。

第１の態様に係る肌画像分析装置は、分析対象肌の色素斑部及びこの色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得する取得部と、この取得部により取得されるメラニン成分画像から、輝度の変動係数を算出する算出部と、この算出部により算出される変動係数を用いて、肌の代謝状態を推定する推定部とを有する。

第２の態様に係る肌画像分析方法は、分析対象肌の色素斑部及びこの色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得し、取得されたメラニン成分画像から、輝度の変動係数を算出し、算出された変動係数を用いて、肌の代謝状態を推定する、ことを含む。

なお、本発明の別態様としては、上記第１態様に係る構成をコンピュータに実現させるプログラムであってもよいし、このようなプログラムを記録したコンピュータが読み取り可能な記憶媒体であってもよい。この記録媒体は、非一時的な有形の媒体を含む。

上記各態様によれば、肌画像に基づいて肌の代謝状態を推定する技術を提供することができる。

第１実施形態における肌画像分析装置のハードウェア構成例を概念的に示す図である。 第１実施形態における肌画像分析装置の処理構成例を概念的に示す図である。 第１実施形態における肌画像分析装置の動作例を示すフローチャートである。 第２実施形態における肌画像分析装置の動作例を示すフローチャートである。 実施例における表皮厚と角層細胞面積との関係を示すグラフである。 実施例における表皮厚とターンオーバー時間との関係を示すグラフである。 実施例において撮影された肌画像の例を示す図である。 実施例におけるメラニン成分画像の変動係数と表皮厚との関係を示すグラフである。 実施例における表皮厚と実年齢との関係を示すグラフである。 ６０代の被験者に関する、実施例におけるメラニン成分画像の変動係数と代謝状態との関係を示す図である。 ６０代の被験者に関する、実施例における表皮厚と代謝状態との関係を示す図である。 肌の代謝状態の提示例を示す図である。

以下、本発明の実施の形態について説明する。なお、以下に挙げる実施形態は例示であり、本発明は以下の実施形態の構成に限定されない。

本実施形態に係る肌画像分析装置は、分析対象肌の色素斑部及びこの色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得する取得部と、この取得部により取得されるメラニン成分画像から、輝度の変動係数を算出する算出部と、この算出部により算出される変動係数を用いて、肌の代謝状態を推定する推定部とを有する。

本実施形態に係る肌画像分析方法は、分析対象肌の色素斑部及びこの色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得し、取得されたメラニン成分画像から、輝度の変動係数を算出し、算出された変動係数を用いて、肌の代謝状態を推定する、ことを含む。

上述のように、メラニン成分画像の抽出元となる肌画像には、分析対象肌の色素斑部及び標準部が所定割合で含まれる。色素斑部とは、シミ、ソバカス等のような、表皮内部に沈着したメラニンが肌表面から透けて見えている箇所を意味し、標準部とは、そのような色素斑部以外の通常の肌部を意味する。所定割合は、色素斑部と標準部との境界が肌画像内に含まれていれば、特に制限されない。所定割合は、色素斑部と標準部とが概ね均等な割合であることが望ましい。

本実施形態では、このような肌画像から抽出されるメラニン成分画像が取得される。メラニン成分画像は、メラニン成分が輝度として表わされた画像である。本実施形態では、このメラニン成分画像から、輝度の変動係数が算出される。具体的には、メラニン成分画像に関し、輝度の平均値及び輝度の標準偏差がそれぞれ算出され、その標準偏差がその平均値で除算されることにより、輝度の変動係数が算出される。算出される変動係数は、メラニン成分画像全体における輝度値の大きさや分布位置の影響が捨象された、輝度の純粋なばらつき程度を示す。

まず、本発明者らは、メラニン成分画像の輝度の変動係数と表皮厚とに負の相関があること、及び、その肌の持ち主の実年齢と表皮厚とは無相関であることを見出した。また、本発明者らにより、表皮厚は角層細胞面積と負の相関を持つことが確認された。ここで、角層細胞面積が角層細胞の表皮内での滞在時間を反映しているとの一般的な見識がある。そこで、本発明者らは、そのような一般的な見識に基づいて、角層細胞面積をターンオーバー時間（速度）に変換することで、更に、表皮厚が、ターンオーバー時間と負の相関があることを導出した。ターンオーバー時間は、肌の新陳代謝の活発度、即ち、肌の代謝状態を示す。以上から、本発明者らは、実年齢とは無関係に様々な代謝状態を持つ肌（表皮）が存在しているところ、メラニン成分画像の輝度の変動係数を用いることで、肌の代謝状態を推定することができるとの新たな着想を得た。

そこで、本実施形態では、上述のように算出された輝度の変動係数に基づいて、肌の代謝状態が推定される。従って、本実施形態によれば、上述のようなメラニン成分画像に対する簡易な画像解析のみによって、肌の代謝状態を簡単に推定することができる。

また、肌の代謝状態は、肌の老化傾向、いわゆる肌年齢を表す１指標である。よって、本実施形態により推定される代謝状態は肌年齢を表すため、本実施形態は、肌年齢を推定しているということもできる。

本実施形態に係る肌画像分析方法において、当該変動係数を用いて肌の代謝状態を推定する工程は、コンピュータにより実行されてもよいし、コンピュータに依存しない次のような形態として実現されてもよい。例えば、当該変動係数と代謝状態の活発さ又は緩慢さの程度を示す値との対応関係を示す２次元グラフや表が印刷された媒体が予め作成されており、ユーザが、その媒体と算出された変動係数とを見比べることにより、その分析対象肌の持ち主である被験者の肌の代謝状態を推定するようにしてもよい。

以下、上述の実施形態について更に詳細を説明する。以下には、詳細実施形態として、第１実施形態及び第２実施形態が例示される。

［第１実施形態］
〔装置構成〕
図１は、第１実施形態における肌画像分析装置（以降、単に分析装置とも表記する）１のハードウェア構成例を概念的に示す図である。第１実施形態における分析装置１は、いわゆるコンピュータであり、例えば、バス５で相互に接続される、ＣＰＵ（Central Processing Unit）２、メモリ３、入出力インタフェース（Ｉ／Ｆ）４等を有する。メモリ３は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、ハードディスク、可搬型記憶媒体等である。

入出力Ｉ／Ｆ４は、入力部７、出力部９、ネットワーク（図示せず）を介して他のコンピュータと通信を行う通信装置（図示せず）等と接続される。入力部７は、キーボード、マウス等のようなユーザ操作の入力を受け付ける装置である。出力部９は、ディスプレイ装置やプリンタ等のようなユーザに情報を提供する装置である。なお、分析装置１のハードウェア構成は制限されない。

図２は、第１実施形態における分析装置１の処理構成例を概念的に示す図である。第１実施形態における分析装置１は、肌画像取得部１１、メラニン成分画像取得部１２、算出部１３、推定部１４等を有する。これら各処理部は、例えば、ＣＰＵ２によりメモリ３に格納されるプログラムが実行されることにより実現される。また、当該プログラムは、例えば、ＣＤ（Compact Disc）、メモリカード等のような可搬型記録媒体やネットワーク上の他のコンピュータから入出力Ｉ／Ｆ４を介してインストールされ、メモリ３に格納されてもよい。

肌画像取得部１１は、分析対象肌の色素斑部及び該色素斑部以外の標準部を所定割合で含む肌画像の画像データを取得する。例えば、当該肌画像は、ＤＳＡ（Digital Subtraction Angiography）（デジタルマイクロスコープ）を、色素斑部及び該色素斑部以外の標準部を所定割合で含むように、分析対象肌の表面に当てて撮影することにより得られる。分析装置１は、ＤＳＡのような撮像装置を備えていてもよい。また、分析装置１は、そのような撮像装置を備えず、可搬型記録媒体、他のコンピュータ等から入出力Ｉ／Ｆ４を経由して当該画像データを取得するようにしてもよい。当該画像データは、例えば、ＪＰＥＧ形式、ＧＩＦ形式等のファイルとして取得される。

メラニン成分画像取得部１２は、肌画像取得部１１により取得された画像データからメラニン成分画像の画像データを生成する。例えば、メラニン成分画像取得部１２は、肌画像取得部１１により取得された画像データに、独立成分分析（ＩＣＡ（Independent Component Analysis））のような周知の多変量解析を適用することにより、メラニン成分画像の画像データを生成する。

算出部１３は、メラニン成分画像取得部１２により生成されたメラニン成分画像から、輝度の変動係数を算出する。具体的には、算出部１３は、メラニン成分画像に関し、輝度の平均値及び輝度の標準偏差をそれぞれ算出し、その標準偏差をその平均値で除算することで、輝度の変動係数を算出する。

推定部１４は、算出部１３により算出された輝度の変動係数から、分析対象肌の表皮厚を推定する。具体的には、推定部１４は、変動係数から表皮厚を出力する推定関数を予め保持しており、この推定関数を用いて表皮厚を推定する。このような推定関数は、複数のサンプル肌画像を用いて予め算出される。

推定部１４は、推定された表皮厚に対応する代謝状態を示す情報を更に決定するようにしてもよい。具体的には、推定部１４は、表皮厚から、代謝状態の活発さ又は緩慢さの程度を示す代謝状態値を出力する関数、又は、表皮厚と当該代謝状態値との対応表を予め保持しており、この関数又は対応表を用いて、推定された表皮厚に対応する代謝状態を示す情報を決定する。ここで、決定される代謝状態は、代謝が活発傾向を示すか否か、代謝が緩慢傾向を示すか否かといった２つの値の情報で示されてもよいし、代謝の活発程度又は緩慢程度を示す連続値で示されてもよい。また、当該代謝状態は、数値ではなく、活発、やや活発、普通、やや緩慢、緩慢といった代謝状態のレベルを示す文字列で示されてもよい。

出力処理部１５は、推定部１４により推定された表皮厚を入出力Ｉ／Ｆ４を介して出力部９から出力する。出力処理部１５は、その表皮厚と共に代謝状態を示す情報を出力するようにしてもよい。当該出力形態は、表示装置への表示であってもよいし、印刷装置からの印刷であってもよいし、音声出力であってもよい。

〔動作例〕
以下、第１実施形態における肌画像分析方法について図３を用いて説明する。図３は、第１実施形態における分析装置１の動作例を示すフローチャートである。

分析装置１は、分析対象肌の色素斑部及び該色素斑部以外の標準部を所定割合で含む肌画像の画像データを取得する（Ｓ３１）。
分析装置１は、取得された画像データからメラニン成分画像の画像データを生成する（Ｓ３２）。

分析装置１は、メラニン成分画像から輝度の変動係数を算出する（Ｓ３３）。
分析装置１は、輝度の変動係数から、分析対象肌の表皮厚を推定する（Ｓ３４）。このとき、分析装置１は、表皮厚に対応する代謝状態を示す情報を更に決定するようにしてもよい。

分析装置１は、表皮厚を所定の出力形態で出力する（Ｓ３５）。このとき、分析装置１は、表皮厚と共に代謝状態を示す情報を出力するようにしてもよい。

〔第１実施形態の作用及び効果〕
第１実施形態では、上述のように、分析対象肌の色素斑部及び該色素斑部以外の標準部を所定割合で含む肌画像から、メラニン成分が輝度として表わされたメラニン成分画像が取得され、このメラニン成分画像から、輝度の標準偏差が輝度の平均値で除算されて得られる輝度の変動係数が算出される。そして、当該輝度の変動係数から分析対象肌の表皮厚が推定され、推定された表皮厚が出力される。

このように、第１実施形態によれば、上述のような本発明者らにより得られた新たな知見が具現化された情報処理により、特定部位の肌画像に対する簡易な画像解析のみによって、分析対象肌の表皮厚を推定することが出来る。上述したように、表皮厚と角層細胞面積との間には負の相関があることが確認されており、角層細胞面積はターンオーバー時間（速度）に変換することができる。そして、ターンオーバー時間は肌の代謝状態を示す。

従って、第１実施形態によれば、このような各皮膚パラメータの関係により、当該表皮厚を肌の代謝状態を示す指標として出力することができる。更に、第１実施形態によれば、推定された表皮厚から、肌の代謝状態を推定し、その代謝状態を示す情報を出力することもできる。

［第２実施形態］
第１実施形態では、肌の代謝状態を示す指標として表皮厚が推定され、その推定された表皮厚が出力された。第２実施形態は、上述のような、表皮厚、角層細胞面積、ターンオーバー時間のような各皮膚パラメータの関係から、肌の代謝状態を示す指標としてターンオーバー時間を推定する。以下、第２実施形態における分析装置１について、第１実施形態と異なる内容を中心に説明する。以下の説明では、第１実施形態と同様の内容については適宜省略する。

第２実施形態では、推定部１４は、算出部１３により算出された輝度の変動係数から、分析対象肌の表皮厚を推定し、推定された表皮厚からターンオーバー時間を更に推定する。具体的には、推定部１４は、変動係数から表皮厚を出力する推定関数と共に、表皮厚からターンオーバー時間を出力する推定関数を予め保持しており、この推定関数を用いてターンオーバー時間を推定する。

この場合、推定部１４は、推定されたターンオーバー時間に対応する代謝状態を示す情報を更に決定するようにしてもよい。具体的には、推定部１４は、ターンオーバー時間から、代謝状態の活発さ又は緩慢さの程度を示す代謝状態値を出力する関数、又は、ターンオーバー時間と当該代謝状態値との対応表を予め保持しており、この関数又は対応表を用いて、推定されたターンオーバー時間に対応する代謝状態を示す情報を決定する。ここで、決定される代謝状態は、第１実施形態と同様である。

出力処理部１５は、推定部１４により推定されたターンオーバー時間を入出力Ｉ／Ｆ４を介して出力部９から出力する。出力処理部１５は、そのターンオーバー時間と共に、表皮厚及び代謝状態を示す情報を出力するようにしてもよい。当該出力形態は、制限されない。

〔動作例〕
以下、第２実施形態における肌画像分析方法について図４を用いて説明する。図４は、第２実施形態における分析装置１の動作例を示すフローチャートである。図４では、図３と同じ工程について、図３と同じ符号が付されている。

分析装置１は、表皮厚を推定すると（Ｓ３４）、続いて、その表皮厚からターンオーバー時間を推定する（Ｓ４１）。このとき、分析装置１は、ターンオーバー時間に対応する代謝状態を示す情報を更に決定するようにしてもよい。

分析装置１は、ターンオーバー時間を所定の出力形態で出力する（Ｓ４２）。このとき、分析装置１は、ターンオーバー時間と共に、表皮厚及び代謝状態を示す情報を出力するようにしてもよい。

〔第２実施形態の作用及び効果〕
第２実施形態では、上述のように、第１実施形態と同様に、輝度の変動係数から分析対象肌の表皮厚が推定され、更に、その表皮厚からターンオーバー時間が推定される。そして、推定されたターンオーバー時間が出力される。

このように、第２実施形態によれば、上述のような本発明者らにより得られた新たな知見が具現化された情報処理により、特定部位の肌画像に対する簡易な画像解析のみによって、分析対象肌のターンオーバー時間を推定することが出来る。更に、第２実施形態によれば、上述したような各皮膚パラメータの関係により、当該ターンオーバー時間を肌の代謝状態を示す指標として出力することができる。また、第２実施形態によれば、推定されたターンオーバー時間から、肌の代謝状態を推定し、その代謝状態を示す情報を出力することもできる。

［変形例］
図３及び図４に示される上述の各実施形態に係る肌画像分析方法において、表皮厚を推定する工程（Ｓ３４）、ターンオーバー時間を推定する工程（Ｓ４１）、表皮厚を出力する工程（Ｓ３５）又はターンオーバー時間を出力する工程（Ｓ４２）は、コンピュータに依存しない次のような形態として実現されてもよい。

（Ｓ３４）では、変動係数と表皮厚との対応関係を示す２次元グラフや表が印刷された媒体が予め作成されており、ユーザが、その媒体と算出された変動係数とを見比べることにより、その分析対象肌の表皮厚を推定するようにしてもよい。この場合、（Ｓ３５）では、その推定された表皮厚をユーザがその分析対象肌の持ち主である被験者に提示するようにすればよい。

（Ｓ４１）では、表皮厚とターンオーバー時間との対応関係を示す２次元グラフや表が印刷された媒体が予め作成されており、ユーザが、その媒体と推定された表皮厚とを見比べることにより、その分析対象肌のターンオーバー時間を推定するようにしてもよい。この場合、（Ｓ４２）では、その推定されたターンオーバー時間をユーザがその分析対象肌の持ち主である被験者に提示するようにすればよい。

以下に実施例を挙げ、上述の各実施形態を更に詳細に説明する。但し、本発明は以下の実施例に制限されない。

一般的に、表皮厚、角層細胞面積及びターンオーバー速度（時間）はそれぞれ加齢と相関があることが知られている（上記特許文献２、上記非特許文献１及び２参照）。この知見によれば、表皮厚と角層細胞面積とには相関があると考えられる。そこで、本実施例では、まず、表皮厚と角層細胞面積との関係を調査した。それは、皮膚内での実際の細胞のターンオーバー時間を測定することは困難であるところ、角層細胞面積は、角層細胞の表皮内での滞在時間を反映していると一般的に言われているからである。

図５は、実施例における表皮厚と角層細胞面積との関係を示すグラフである。図５では、６０代１５名及び３０代１３名のサンプル提供者とから測定された表皮厚と角層細胞面積との関係がプロットされている。図５に示される相関関数では、ｙが角層細胞面積を示し、ｘが表皮厚を示す。

表皮厚は、米国Ｌｕｃｉｄ社製のＶＩＶＡＳＣＯＰＥと呼ばれる共焦点レーザー生体顕微鏡を用いて各サンプル提供者の皮膚を撮影することで得られた。表皮厚を抽出する方法には、共焦点レーザー生体顕微鏡により得られた３．１７μｍごとの皮膚の水平断面図より、表皮層が完全に視野から見えなくなる深さを表皮厚とし、同一のサンプル提供者についてそれぞれ撮影した３箇所の皮膚水平断面図より得られた表皮厚の平均値を算出する方法を用いた。
角層細胞面積は、非特許文献２の方法で測定された。

図５に示されるように、本実施例において、表皮厚が、角層細胞面積と負の相関を持つことが確認された。ここで、一般的な表皮のターンオーバー時間は、４から６週間程度であると言われている。そこで、３０代の角層細胞面積平均値である８５７μｍ^２のターンオーバー時間を５週間（３５日）と定め、この値を基準にすれば、角層細胞面積をターンオーバー時間に変換することができる。

図６は、実施例における表皮厚とターンオーバー時間との関係を示すグラフである。図６は、上記基準に基づいて、図５に示される角層細胞面積がターンオーバー時間に変換されることで得られたグラフである。

図６により、皮膚内での実際の細胞のターンオーバー時間を測定することは困難であるところ、表皮厚が、肌の代謝状態を表すターンオーバー時間（日数）と負の相関を持つことが確認された。図６に示される相関関数では、ｙがターンオーバー時間（日数）を示し、ｘが表皮厚を示す。よって、例えば、上述の第２実施形態における分析装置１は、図６に示される相関関数（ｙ＝−０．１４７９ｘ＋４３．４３７）を用いて表皮厚からターンオーバー時間を推定してもよい。

次に、６０代１５名を肌画像のサンプルの提供者とし、各提供者の色素斑部及び標準部を略均等に含む各肌画像が、ＤＳＡ（倍率×１３０）を用いてそれぞれ撮影された。図７は、実施例において撮影された肌画像の例を示す図である。図７には、１５名のサンプル提供者の中の６名分の肌画像が示される。但し、図７は、出願の図面要領に基づいて、グレースケール画像となっている。

実施例では、撮影された各肌画像に対して独立成分分析がそれぞれ行われ、各肌画像から各メラニン成分画像がそれぞれ生成された。そして、各メラニン成分画像の変動係数（ＣＶ値とも表記される）がそれぞれ算出された。

図８は、実施例におけるメラニン成分画像の変動係数と表皮厚との関係を示すグラフである。図８では、サンプル提供者毎に、そのサンプル提供者の肌画像から上述のように取得された各メラニン成分画像の変動係数と、そのサンプル提供者の肌から計測された表皮厚との関係がプロットされている。表皮厚は、図５の場合と同様な方法により計算された。

本実施例により、図８に示されるように、メラニン成分画像のＣＶ値は、表皮厚と負の相関があることが検証された。上述の各実施形態における分析装置１は、例えば、図８に示される相関関数（ｙ＝−１２７．４９ｘ＋５６．１７１）を用いてＣＶ値から表皮厚を推定する。図８に示される相関関数では、ｙが表皮厚を示し、ｘがＣＶ値を示す。

図９は、実施例における表皮厚と実年齢との関係を示すグラフである。図９では、サンプル提供者毎に、上述のようにサンプル提供者の肌から計測された表皮厚とそのサンプル提供者の実年齢との関係がプロットされている。図９により、肌の持ち主の実年齢と表皮厚とは無相関であることが検証された。

本実施例によれば、同世代の中でも表皮厚の厚い人、薄い人が存在するところ、そのような実年齢とは無相関の表皮厚を、メラニン成分画像のＣＶ値により推定することができることが検証された。更に、上述のように一般的な知見から得られた表皮厚とターンオーバー時間との相関関係に基づいて、ＣＶ値から推定される表皮厚から、ターンオーバー時間を推定することも可能である。

代謝が活発な若い皮膚ではメラニンの蓄積量自体が小さく、メラニン成分画像のＣＶ値の変化の範囲が小さいと考えられる。そこで、本実施例では、メラニン成分画像の輝度の変動係数を用いて、所定年齢範囲毎に肌の代謝状態を推定するようにしてもよい。所定年齢範囲は、代謝が活発な年齢範囲（４０歳未満）とそれ以降の年齢範囲（４０歳以上）とに分けられてもよいし、上述のサンプル提供者の例のように、５０代、６０代といった年齢範囲に設定されてもよい。

図１０は、実施例におけるメラニン成分画像の変動係数と代謝状態との関係を示す図である。図８に示されるデータによれば、６０代の被験者に関し、ＣＶ値から、図１０に示されるような代謝状態を推定してもよい。

図１１は、６０代の被験者に関する、実施例における表皮厚と代謝状態との関係を示す図である。図８に示されるデータによれば、６０代の被験者に関し、表皮厚から、図１１に示されるような代謝状態を推定してもよい。

図１２は、肌の代謝状態の提示例を示す図である。本実施例は、肌のカウンセリング等の際に、被験者の肌の代謝状態の推定結果に基づいて、図１２に示されるような内容を提示するようにしてもよい。この場合、図１２に示されるように、カウンセリング対象者の現在の肌が、顔写真、イラスト、皮膚拡大写真等で提示されると共に、代謝状態の指標値として、推定結果である表皮厚及びターンオーバー日数が提示される。また、カウンセリング対象者の現在の肌の代謝状態の、全年齢又は所定年齢範囲の相対位置が示される。更に、代謝が改善したとき、加齢に伴い代謝が緩慢になったときのカウンセリング対象者の肌を顔写真、イラスト、皮膚拡大写真等で提示することもできる。

なお、上述の説明で用いた複数のフローチャートでは、複数の工程（処理）が順番に記載されているが、本実施形態で実行される工程の実行順序は、その記載の順番に制限されない。本実施形態では、図示される工程の順番を内容的に支障のない範囲で変更することができる。また、上述の各実施形態及び実施例は、内容が相反しない範囲で組み合わせることができる。

上記の各実施形態及び各変形例の一部又は全部は、次のようにも特定され得る。但し、上述の各実施形態及び実施例が以下の記載に制限されるものではない。

＜１＞分析対象肌の色素斑部及び該色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得する取得手段と、
前記取得手段により取得される前記メラニン成分画像から、輝度の変動係数を算出する算出手段と、
前記算出手段により算出される前記変動係数を用いて、肌の代謝状態を推定する推定手段と、
を備える肌画像分析装置。
＜２＞前記推定手段は、前記変動係数から前記代謝状態を示す情報として表皮厚を推定する、＜１＞に記載の肌画像分析装置。
＜３＞前記推定手段は、前記推定された表皮厚から前記代謝状態を示す情報としてターンオーバー時間を更に推定する、＜２＞に記載の肌画像分析装置。
＜４＞前記推定手段により推定される肌の代謝状態を示す情報を出力する出力処理手段、
を更に備える＜１＞から＜３＞のいずれか１つに記載の肌画像分析装置。
＜５＞分析対象肌の色素斑部及び該色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得し、
前記メラニン成分画像から、輝度の変動係数を算出し、
前記変動係数を用いて、肌の代謝状態を推定する、
ことを含む肌画像分析方法。
＜６＞前記代謝状態の推定は、前記変動係数から前記代謝状態を示す情報として表皮厚を推定する、＜５＞に記載の肌画像分析方法。
＜７＞前記代謝状態の推定は、前記推定された表皮厚から前記代謝状態を示す情報としてターンオーバー時間を更に推定する、＜６＞に記載の肌画像分析方法。
＜８＞前記推定される肌の代謝状態を示す情報を提示する、
ことを更に含む＜５＞から＜７＞のいずれか１つに記載の肌画像分析方法。
＜９＞少なくとも１つのコンピュータに、
分析対象肌の色素斑部及び該色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得し、
前記メラニン成分画像から、輝度の変動係数を算出し、
前記変動係数を用いて、肌の代謝状態を推定する、
ことを実行させるプログラム。
＜１０＞前記代謝状態の推定は、前記変動係数から前記代謝状態を示す情報として表皮厚を推定する、＜９＞に記載のプログラム。
＜１１＞前記代謝状態の推定は、前記推定された表皮厚から前記代謝状態を示す情報としてターンオーバー時間を更に推定する、＜１０＞に記載のプログラム。
＜１２＞前記少なくとも１つのコンピュータに、
前記推定される肌の代謝状態を示す情報を出力する、
ことを更に実行させる＜９＞から＜１１＞のいずれか１つに記載のプログラム。

１ 肌画像分析装置（分析装置）
２ ＣＰＵ
３ メモリ
７ 入力部
９ 出力部
１１ 肌画像取得部
１２ メラニン成分画像取得部
１３ 算出部
１４ 推定部
１５ 出力処理部

Claims (9)

1. 分析対象肌の色素斑部及び該色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得する取得手段と、
   前記取得手段により取得される前記メラニン成分画像から、輝度の変動係数を算出する算出手段と、
   前記算出手段により算出される前記変動係数を用いて、肌の代謝状態を推定する推定手段と、
   を備える肌画像分析装置。
2. 前記推定手段は、前記変動係数から前記代謝状態を示す情報として表皮厚を推定する、
   請求項１に記載の肌画像分析装置。
3. 前記推定手段は、前記推定された表皮厚から前記代謝状態を示す情報としてターンオーバー時間を更に推定する、
   請求項２に記載の肌画像分析装置。
4. 前記推定手段により推定される肌の代謝状態を示す情報を出力する出力処理手段、
   を更に備える請求項１から３のいずれか１項に記載の肌画像分析装置。
5. 分析対象肌の色素斑部及び該色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得し、
   前記メラニン成分画像から、輝度の変動係数を算出し、
   前記変動係数を用いて、肌の代謝状態を推定する、
   ことを含む肌画像分析方法。
6. 前記代謝状態の推定は、前記変動係数から前記代謝状態を示す情報として表皮厚を推定する、
   請求項５に記載の肌画像分析方法。
7. 前記代謝状態の推定は、前記推定された表皮厚から前記代謝状態を示す情報としてターンオーバー時間を更に推定する、
   請求項６に記載の肌画像分析方法。
8. 前記推定される肌の代謝状態を示す情報を提示する、
   ことを更に含む請求項５から７のいずれか１項に記載の肌画像分析方法。
9. 少なくとも１つのコンピュータに、
   分析対象肌の色素斑部及び該色素斑部以外の標準部を所定割合で含む肌画像から抽出されるメラニン成分画像を取得し、
   前記メラニン成分画像から、輝度の変動係数を算出し、
   前記変動係数を用いて、肌の代謝状態を推定する、
   ことを実行させるプログラム。