JP2024502338A - 三次元（３ｄ）画像モデルを生成するための皮膚科学的撮像システム及び方法 - Google Patents

Abstract

皮膚表面の三次元（３Ｄ）画像モデルを生成するためのシステム及び方法が記載される。例示的な方法は、１つ以上のプロセッサによって、ユーザの皮膚の一部分の複数の画像を分析することを含み、複数の画像は、皮膚の一部分に焦点を合わせるように構成された１つ以上のレンズを通って延在する撮像軸を有するカメラによって取り込まれ、複数の画像のうちの各画像は、皮膚の一部分の周辺で位置決めされるように構成された複数のＬＥＤの異なるサブセットによって照明される。例示的な方法は、１つ以上のプロセッサによって、複数の画像に基づいて、皮膚の一部分のトポグラフィ表現を定義する３Ｄ画像モデルを生成することと、１つ以上のプロセッサによって、皮膚の一部分の３Ｄ画像モデルに基づいて、ユーザ固有の推奨を生成することとを更に含み得る。

Description

本開示は、概して、皮膚科学的撮像システム及び方法に関し、より具体的には、三次元（three-dimensional、３Ｄ）画像モデルを生成するための皮膚科学的撮像システム及び方法に関する。

皮膚の健康、及びそれに対応する、皮膚ケアは、全ての人々の全体的な健康及び外観において極めて重要な役割を果たす。多くの一般的な活動は、皮膚の健康に悪影響を及ぼすので、十分に情報を得た皮膚ケアルーチン、並びにあらゆる皮膚状態の評価及び診断のための皮膚科医への定期的な訪問は、多くの人々にとって優先事項である。問題なことに、皮膚科医の訪問をスケジュールすることは、面倒で時間がかかる可能性があり、迅速な予約を得ることができない場合、皮膚状態が悪化するリスクに患者を追い込む可能性がある。更に、多くの一般的な皮膚状態を評価するための従来の皮膚科学的方法は、皮膚表面上の異常な肌合い又は特徴を正確かつ確実に識別することができないことなどによって、不正確である可能性がある。

結果として、多くの患者は、定期的な皮膚科学的評価を受けることを怠り得、更に、一般的な理解不足から皮膚ケアを全く怠る可能性がある。この問題は、発現し得る無数の皮膚状態、並びに関連する無数の製品及び利用可能な治療計画を考慮すると、急性に顕著である。そのような既存の皮膚ケア製品はまた、その製品が自分の皮膚状態に適用されるか否か、又は皮膚状態を処置するためにその製品をいかに最良に利用するかを判定する際に、ユーザを補助するフィードバック若しくはガイダンスをほとんど又は全く提供しない場合がある。したがって、多くの患者は、皮膚状態を誤って診断するか、又は皮膚状態を効果的に治療する製品を購入しないので、実際の若しくは知覚された皮膚状態を治療又は別な方法で管理するために、誤った又は不要な製品を購入する。

前述の理由により、皮膚表面の三次元（３Ｄ）画像モデルを生成するための皮膚科学的撮像システム及び方法が必要とされている。

本明細書に記載されているのは、皮膚表面の３Ｄ画像モデルを生成するように構成された皮膚科学的撮像システムである。皮膚科学的撮像システムは、ユーザの皮膚の一部分の周辺で位置決めされるように構成された複数の発光ダイオード（light-emitting diode、ＬＥＤ）と、皮膚の一部分に焦点を合わせるように構成された１つ以上のレンズと、を備える、皮膚科学的撮像デバイスを含む。皮膚科学的撮像システムは、コンピュータアプリケーション（アプリ）であって、プロセッサ上で実行されるときに、プロセッサに、皮膚の一部分の複数の画像を分析することであって、複数の画像は、１つ以上のレンズを通って延在する撮像軸を有するカメラによって取り込まれ、複数の画像のうちの各画像は、複数のＬＥＤの異なるサブセットによって照明される、ことと、複数の画像に基づいて、皮膚の一部分のトポグラフィ表現を定義する３Ｄ画像モデルを生成することと、を実行させるコンピューティング命令を含む、コンピュータアプリケーション（アプリ）を更に含む。ユーザ固有の推奨が、皮膚の一部分の３Ｄ画像モデルに基づいて生成され得る。

本明細書に記載される皮膚科学的撮像システムは、少なくとも、本開示が皮膚科学的撮像デバイス及び付随する皮膚ケア製品の分野に対する改善を記載又は紹介するので、他の技術又は技術分野に対する改善を含む。例えば、本開示の皮膚科学的撮像デバイスは、ユーザが、皮膚表面画像を迅速かつ簡便に取り込み、撮像された皮膚表面の完全な３Ｄ画像モデルをユーザのモバイルデバイスのディスプレイ上で受信することを可能にする。加えて、皮膚科学的撮像システムは、当技術分野においてよく理解されている、ルーチン的な従来の活動以外の特定の特徴、又は特許請求の範囲を特定の有用な用途に限定する非従来的なステップを追加すること、例えば、カメラが皮膚表面から短い撮像距離に配置される、皮膚表面と接触している撮像デバイスを使用して分析のために皮膚表面画像を取り込むことを含む。

本明細書の皮膚科学的撮像システムは、少なくとも、訓練された３Ｄ画像モデリングアルゴリズムでユーザコンピューティングデバイスの知能又は予測能力を改善するので、コンピュータ機能における改善又は他の技術に対する改善を提供する。ユーザコンピューティングデバイス又は撮像サーバ上で実行される３Ｄ画像モデリングアルゴリズムは、ユーザの皮膚の一部分の画素データに基づいて、ユーザの皮膚の一部分のトポグラフィ表現を定義する３Ｄ画像モデルを正確に生成することができる。３Ｄ画像モデリングアルゴリズムはまた、３Ｄ画像モデルの画素データ内で識別可能な特徴に対処するように設計されたユーザ固有の推奨（例えば、製造された製品又は医学的注意のためなど）を生成する。これは、少なくとも、従来のシステムが、そのようなリアルタイム生成又は分類機能を欠いており、単純に、３Ｄ画像モデルの画素データ内で識別可能な特徴に対処するために、ユーザ固有の結果を出力するようにユーザ固有の画像を正確に分析することができないため、従来のシステムよりも改善されている。

デジタル撮像システムの実施例を例示する。 撮像デバイスの俯瞰図である。 図２Ａの撮像デバイスの軸２Ｂに沿った断面側面図である。 図２Ｂにおいて示される部分の拡大図である。 カメラを較正するために使用されるカメラ較正表面を例示する。 照明較正図である。 カメラ画像取り込みを照明シーケンスと同期させるために使用され得る例示的なビデオサンプリング周期を例示する。 ３Ｄ画像モデリングアルゴリズムを訓練及び／又は実装するために使用され得る例示的な画像及びその関連画素データを例示する。 ３Ｄ画像モデリングアルゴリズムを訓練及び／又は実装するために使用され得る例示的な画像及びその関連画素データを例示する。 ３Ｄ画像モデリングアルゴリズムを訓練及び／又は実装するために使用され得る例示的な画像及びその関連画素データを例示する。 皮膚表面のトポグラフィ表現を定義する３Ｄ画像モデルを生成するために入力皮膚表面画像を使用する３Ｄ画像モデリングアルゴリズムの例示的ワークフローを例示する。 皮膚表面の３Ｄ画像モデルを生成するための撮像方法の図を例示する。 ユーザコンピューティングデバイスのディスプレイ画面上でレンダリングされた例示的なユーザインターフェースを例示する。

図１は、本明細書に開示される様々な実施形態による、ユーザの皮膚表面の３Ｄ画像モデルを生成するためのユーザの皮膚表面の画像（例えば、画像１３０ａ、１３０ｂ、及び／又は１３０ｃ）の画素データを分析するように構成された、例示的なデジタル撮像システム１００を例示する。本明細書で言及される場合、「皮膚表面」とは、胴体、腰、顔、頭、腕、脚、若しくは他の付属器官、又はこれらの、ユーザの身体の一部分若しくは一部を含む、人体の任意の一部分を指し得る。図１の例示的な実施形態では、デジタル撮像システム１００は、１つ以上のコンピュータサーバを備え得る、撮像サーバ１０２（本明細書では「サーバ」としても言及される）を含む。様々な実施形態では、撮像サーバ１０２は、サーバファームの部分として、複数の、冗長な又は複製されたサーバを備え得る、複数のサーバを備える。なおも更なる実施形態では、撮像サーバ１０２は、クラウドベースのコンピューティングプラットフォームなどのクラウドベースのサーバとして実装され得る。例えば、サーバ１０２は、ＭＩＣＲＯＳＯＦＴ ＡＺＵＲＥ、ＡＭＡＺＯＮ ＡＷＳなどの任意の１つ以上のクラウドベースのプラットフォームであってもよい。サーバ１０２は、１つ以上のプロセッサ１０４、並びに１つ以上のコンピュータメモリ１０６を含むことができる。

メモリ１０６には、読み取り専用メモリ（read-only memory、ＲＯＭ）、電子プログラマブル読み取り専用メモリ（electronic programmable read-only memory、ＥＰＲＯＭ）、ランダムアクセスメモリ（random access memory、ＲＡＭ）、消去可能電子プログラマブル読み取り専用メモリ（erasable electronic programmable read-only memory、ＥＥＰＲＯＭ）、及び／又は他のハードドライブ、フラッシュメモリ、ＭｉｃｒｏＳＤカードなどの、１つ以上の形態の揮発性及び／又は不揮発性メモリの固定及び／又は取り外し可能メモリが含まれ得る。メモリ１０６は、本明細書で考察されるように、機能、アプリ、方法、又は他のソフトウェアを容易にすることができるオペレーティングシステム（operating system、ＯＳ）（例えば、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ、Ｌｉｎｕｘ、Ｕｎｉｘなど）を格納することができる。メモリ１０６はまた、本明細書に記載されるように、様々な画像（例えば、画像１３０ａ、１３０ｂ、及び／又は１３０ｃ）上で訓練された機械学習モデルなどの人工知能ベースモデルであり得る、３Ｄ画像モデリングアルゴリズム１０８を格納し得る。追加的、又は代替的に、３Ｄ画像モデリングアルゴリズム１０８はまた、撮像サーバ１０２にアクセス可能であるか、若しくは別な方法で通信可能に結合されるデータベース１０５、並びに／又は１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／若しくは１１２ｃ１～１１２ｃ３のメモリに格納され得る。メモリ１０６はまた、機械可読命令も格納することができ、この機械可読命令は、１つ以上のアプリケーション、１つ以上のソフトウェアコンポーネント、及び／又は１つ以上のアプリケーションプログラミングインターフェース（application programming interfaces、ＡＰＩ）のうちのいずれかを含み、それらは、本明細書内の様々なフロー図、説明図、略図、図、及び／又は他の開示について例示、図示、又は説明されているように、任意の方法、プロセス、要素、又は制限などの、本明細書に記載の特徴、機能、又は他の開示を容易にするか又は実行するように実装され得る。例えば、アプリケーション、ソフトウェアコンポーネント、又はＡＰＩのうちの少なくともいくつかは、３Ｄ画像モデリングアルゴリズム１０８などの撮像ベースの機械学習モデル又はコンポーネントであり得、それらを含み得、そうでなければそれらの部分であり得、この場合、各々は、本明細書で考察されるそれらの様々な機能を容易にするように構成され得る。１つ以上の他のアプリケーションが想定され得、プロセッサ１０４によって実行されることを理解されたい。

プロセッサ１０４は、本明細書での様々なフローチャート、説明図、概略図、図、及び／又は他の開示について例示、描写、又は記載されているように、機械可読命令、方法、プロセス、要素、又は制限を実装又は実行するために、プロセッサ１０４及びメモリ１０６との間で、電子データ、データパケット、又はそうでなければ電子信号を伝送するために責任を負うコンピュータバスを介してメモリ１０６に接続され得る。

プロセッサ１０４は、コンピュータバスを介してメモリ１０６とインターフェース接続して、オペレーティングシステム（ＯＳ）を実行することができる。プロセッサ１０４はまた、コンピュータバスを介してメモリ１０６ともインターフェース接続して、メモリ１０６及び／又はデータベース１０４（例えば、Ｏｒａｃｌｅ、ＤＢ２、ＭｙＳＱＬなどのリレーショナルデータベース、又はＭｏｎｇｏＤＢなどのＮｏＳＱＬベースのデータベース）に格納されるデータを作成、読み取り、更新、削除、ないしアクセス若しくは対話することもできる。メモリ１０６及び／又はデータベース１０５に格納されるデータは、例えば、訓練画像及び／又はユーザ画像（例えば、そのいずれかが任意の画像１３０ａ、１３０ｂ、及び／又は１３０ｃを含む）、若しくは人口統計、年齢、人種、皮膚タイプなどを含むユーザの他の情報を含む、本明細書に記載されるデータ又は情報のいずれかの全て又は一部を含み得る。

撮像サーバ１０２は、１つ以上の外部／ネットワークポートを介して、本明細書に記載されるコンピュータネットワーク１２０及び／又は端末１０９（レンダリング又は視覚化するための）などの１つ以上のネットワーク又はローカル端末にデータを通信（例えば、送信及び受信）するように構成された通信コンポーネントを更に含み得る。いくつかの実施形態では、撮像サーバ１０２は、電子リクエストを受信及び応答することを担うＡＳＰ．ＮＥＴ、Ｊａｖａ Ｊ２ＥＥ、Ｒｕｂｙ ｏｎ Ｒａｉｌｓ、Ｎｏｄｅ．ｊｓ、ウェブサービス、又はオンラインＡＰＩなどのクライアントサーバプラットフォーム技術を含むことができる。撮像サーバ１０２は、本明細書での様々なフローチャート、説明図、概略図、図、及び／又は他の開示について例示、描写、又は記載されているように、機械可読命令、方法、プロセス、要素、又は制限を実装又は実行するために、コンピュータバスを介して、メモリ１０６（その中に格納されたアプリケーション、コンポーネント、ＡＰＩ、データなどを含む）及び／又はデータベース１０５と対話し得るクライアントサーバプラットフォーム技術を実装し得る。いくつかの実施形態によれば、撮像サーバ１０２は、ＩＥＥＥ標準規格、３ＧＰＰ標準規格、又は他の標準規格に従って機能し、コンピュータネットワーク１２０に接続された外部／ネットワークポートを介してデータの受信及び伝送に使用され得る、１つ以上の送受信機（例えば、ＷＷＡＮ、ＷＬＡＮ、及び／又はＷＰＡＮ送受信機）を含むか、又はそれと対話し得る。いくつかの実施形態では、コンピュータネットワーク１２０は、プライベートネットワーク又はローカルエリアネットワーク（local area network、ＬＡＮ）を含み得る。追加的、又は代替的に、コンピュータネットワーク１２０は、インターネットなどの公衆ネットワークを含み得る。

撮像サーバ１０２は、管理者又はオペレータに情報を提示し、かつ／又は管理者又はオペレータから入力を受信するように構成されたオペレータインターフェースを更に含むか、又は実装し得る。図１に示すように、オペレータインターフェースは、ディスプレイ画面を提供することができる（例えば、ターミナル１０９を介して）。撮像サーバ１０２はまた、Ｉ／Ｏコンポーネント（例えば、ポート、容量性又は抵抗性タッチセンシティブ入力パネル、キー、ボタン、照明、ＬＥＤ）も提供し得、それらは、撮像サーバ１０２を介して直接アクセス可能であり得、若しくはそのサーバに取り付けられ得るか、又は端末１０９を介して間接的にアクセス可能であり得るか、若しくはその端末に取り付けられ得る。いくつかの実施形態によれば、管理者又はオペレータは、情報を再調査し、変更を行い、訓練データ又は画像を入力し、かつ／又は他の機能を実行するために、端末１０９を介してサーバ１０２にアクセスし得る。

本明細書に上記で記載されるように、いくつかの実施形態では、撮像サーバ１０２は、「クラウド」ネットワークの部分として本明細書で考察されたような機能を実行し得るか、又は別な方法で本明細書に記載されるデータ又は情報を送信し、取り出し、又は別な方法で分析するために、クラウド内の他のハードウェア又はソフトウェアコンポーネントと通信し得る。

通常、コンピュータプログラム若しくはコンピュータベース製品、アプリケーション、又はコード（例えば、本明細書に記載されるＡＩモデルなどのモデル若しくは他のコンピューティング命令）は、内部に具現化されたそのようなコンピュータ可読プログラムコード若しくはコンピュータ命令を有するコンピュータ使用可能格納媒体、又は有形の非一時的コンピュータ可読媒体（例えば、標準的なランダムアクセスメモリ（ＲＡＭ）、光ディスク、ユニバーサルシリアルバス（universal serial bus、ＵＳＢ）ドライブなど）上に格納され得、コンピュータ可読プログラムコード又はコンピュータ命令は、プロセッサ１０４（例えば、メモリ１０６内のそれぞれのオペレーティングシステムに関連して作業する）上にインストールされ得るか、又は別な方法でそのプロセッサによって実行されるように適合され得、本明細書での様々なフローチャート、説明図、概略図、図、及び／又は他の開示について例示、描写、又は記載されているように、機械可読命令、方法、プロセス、要素、又は制限を容易にし、実装し、又は実行し得る。これに関して、プログラムコードは、任意の所望のプログラム言語で実装されてもよく、機械コード、アセンブリコード、バイトコード、インタープリット型ソースコードなどとして（例えば、Ｇｏｌａｎｇ、Ｐｙｔｈｏｎ、Ｃ、Ｃ＋＋、Ｃ＃、Ｏｂｊｅｃｔｉｖｅ－Ｃ、Ｊａｖａ、Ｓｃａｌａ、ＡｃｔｉｏｎＳｃｒｉｐｔ、ＪａｖａＳｃｒｉｐｔ、ＨＴＭＬ、ＣＳＳ、ＸＭＬなどを介して）、実装されてもよい。

図１に示されるように、撮像サーバ１０２は、コンピュータネットワーク１２０を介して１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３に、かつ／又は、基地局１１１ｂ及び１１２ｂを介して、１１２ｃ１～１１２ｃ３に、通信可能に接続されている。いくつかの実施形態では、基地局１１１ｂ及び１１２ｂは、セルタワーなどのセルラー基地局を含むことができ、それらは、ＮＭＴ、ＧＳＭ、ＣＤＭＡ、ＵＭＭＴＳ、ＬＴＥ、５Ｇなどを含む、様々なモバイル電話標準規格のうちの任意の１つ以上に基づいて、無線通信１２１を介して、１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３、及び１１２ｃ１～１１２ｃ３と通信する。追加的又は代替的に、基地局１１１ｂ及び１１２ｂは、非限定的な例によってＩＥＥＥ８０２．１１ａ／ｂ／ｃ／ｇ（ＷＩＦＩ）、ＢＬＵＥＴＯＯＴＨ標準規格などを含む、様々な無線標準規格のうちの任意の１つ以上に基づいて、無線通信１２２を介して１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３、及び１１２ｃ１～１１２ｃ３と通信するルータ、無線スイッチ、又は他のそのような無線接続ポイントを含み得る。

１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３のうちのいずれかは、撮像サーバ１０２にアクセスし、かつ／又はそれと通信するためのモバイルデバイス及び／若しくはクライアントデバイスを備え得る。様々な実施形態では、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、非限定的な例によって、ＡＰＰＬＥ ｉＰｈｏｎｅ若しくはｉＰａｄデバイス、又はＧＯＯＧＬＥ ＡＮＤＲＯＩＤベースのモバイル電話若しくはタブレットを含む、セルラー電話、モバイル電話、タブレットデバイス、携帯情報端末（personal data assistance、ＰＤＡ）などを備え得る。なおも更なる実施形態では、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、例えば、非限定的な例として、ＧＯＯＧＬＥ ＨＯＭＥデバイス、ＡＭＡＺＯＮ ＡＬＥＸＡデバイス、ＥＣＨＯ ＳＨＯＷデバイスなどのうちの任意の１つ以上を含む、ディスプレイ画面を有するホームアシスタントデバイス及び／又はパーソナルアシスタントデバイスを備え得る。

更に、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、例えば、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３について本明細書に記載されるように、同じ又は同様の方法で構成された小売コンピューティングデバイスを備え得る。小売コンピューティングデバイスは、本明細書に記載されるような３Ｄ画像モデリングアルゴリズム１０８を実装するための、又はそれと（例えば、サーバ１０２を介して）通信するためのプロセッサ及びメモリを含み得る。しかしながら、小売コンピューティングデバイスは、小売環境のユーザ及び／又は顧客が、小売環境内の現場でデジタル撮像システム並びに方法を利用することを可能にするように、小売環境内に位置し、設置され、又は別な方法で位置決めされ得る。例えば、小売コンピューティングデバイスは、ユーザによるアクセスのためにキオスク内に設置され得る。ユーザは、次いで、本明細書に記載される皮膚科学的撮像システム及び方法を実装するために、画像を（例えば、ユーザモバイルデバイスから）キオスクにアップロード又は転送し得る。追加的又は代替的に、キオスクは、ユーザがアップロード及び分析のために自身の新しい画像を（例えば、保証される場合、プライベート様式で）撮影することを可能にするようにカメラ及び皮膚科学的撮像デバイス１１０を伴って構成され得る。そのような実施形態では、ユーザ又は消費者自身は、本明細書に記載されるように、小売コンピューティングデバイスのディスプレイ画面上で、ユーザ固有の推奨を受信し、及び／又はレンダリングされるように、小売コンピューティングデバイスを使用することができる。追加的又は代替的に、小売コンピューティングデバイスは、現場でユーザ又は消費者と対話するために小売環境の従業員又は他の人員によって携行されるような（本明細書に記載されるような）モバイルデバイスであり得る。そのような実施形態では、ユーザ又は消費者は、本明細書に記載されるように、小売コンピューティングデバイスのディスプレイ画面上でユーザ固有の推奨を受信及び／又はレンダリングするために、小売コンピューティングデバイスを介して（例えば、ユーザのモバイルデバイスから小売コンピューティングデバイスに画像を転送することによって、又は皮膚科学的撮像デバイス１１０を通して焦点が合わされた小売コンピューティングデバイスのカメラによって新しい画像を取り込むことによって）、小売環境の従業員又はそうでなければ人員と対話することが可能であり得る。

加えて、１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、ＡｐｐｌｅのｉＯＳ及び／若しくはＧｏｏｇｌｅのＡｎｄｒｏｉｄオペレーションシステムなどのオペレーティングシステム（ＯＳ）又はモバイルプラットフォームを実装又は実行し得る。１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３のうちのいずれも、本明細書での様々な実施形態に記載されているように、本開示の機能の一部又は全てを実行するように構成された、コンピューティング命令又はコード、例えば、モバイルアプリケーション又はホーム若しくはパーソナルアシスタントアプリケーションを格納、実装、又は実行するための１つ以上のプロセッサ及び／又は１つ以上のメモリを備え得る。図１に示されるように、３Ｄ画像モデリングアルゴリズム１０８は、ユーザコンピューティングデバイス（例えば、ユーザコンピューティングデバイス１１１ｃ１）のメモリ上にローカルに格納され得る。更に、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３上に格納されたモバイルアプリケーションは、本開示の機能の一部又は全てを実行するために、３Ｄ画像モデリングアルゴリズム１０８を利用し得る。

加えて、１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、デジタル画像及び／又はフレーム（例えば、画像１３０ａ、１３０ｂ、及び／又は１３０ｃであることができる）を取り込み又は撮影するためのデジタルカメラ及び／又はデジタルビデオカメラを含み得る。各デジタル画像は、本明細書に記載されるように、人工知能（artificial intelligence、ＡＩ）、機械学習モデル及び／又はルールベースのアルゴリズムなどのモデルを訓練又は実装するための画素データを含み得る。例えば、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３のうちのいずれかのデジタルカメラ及び／又はデジタルビデオカメラは、デジタル画像を撮影、取り込み、又は別な方法で生成するように構成され得、少なくともいくつかの実施形態では、そのような画像をそれぞれのユーザコンピューティングデバイスのメモリに格納し得る。ユーザはまた、ユーザコンピューティングデバイスが３Ｄ画像モデリングアルゴリズム１０８を使用して取り込まれた画像をローカルに処理するのに十分な画像を取り込むことを容易にするために、皮膚科学的撮像デバイス１１０をユーザコンピューティングデバイスに取り付け得る。

なおも更に、１つ以上のユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３の各々は、グラフィック、画像、テキスト、製品推奨、データ、画素、特徴、及び／又は本明細書に記載されるような他のそのような視覚化若しくは情報を表示するためのディスプレイ画面を含み得る。これらのグラフィックス、画像、テキスト、製品推奨、データ、画素、特徴、及び／又は他のそのような視覚化若しくは情報は、例えば、皮膚科学的撮像デバイス１１０を通して焦点が合わせられたユーザコンピューティングデバイスのカメラによって取り込まれた画像を利用して３Ｄ画像モデリングアルゴリズム１０８を実装することの結果として、ユーザコンピューティングデバイスによって生成され得る。様々な実施形態では、グラフィック、画像、テキスト、製品推奨、データ、画素、特徴、及び／又は他のそのような視覚化若しくは情報は、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３のうちの任意の１つ以上のディスプレイ画面上に表示するために、サーバ１０２によって受信され得る。追加的又は代替的に、ユーザコンピューティングデバイスは、少なくとも部分的に、そのディスプレイ画面上にテキスト及び／又は画像を表示するためのインターフェース又はガイド付きユーザインターフェース（guided user interface、ＧＵＩ）を、備え得るか、実装し得るか、それへのアクセスを有し得るか、レンダリングし得るか、又は別な方法で露出させ得る。

ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／又は１１２ｃ１～１１２ｃ３は、基地局１１１ｂ及び／又は１１２ｂとの間で無線通信１２１及び／又は１２２を受信及び伝送するための無線送受信機を備え得る。画素ベースの画像（例えば、画像１３０ａ、１３０ｂ、及び／又は１３０ｃ）は、本明細書に記載されるような、モデルの訓練及び／又は画像分析のために、コンピュータネットワーク１２０を介して、撮像サーバ１０２に伝送され得る。

図２は、本明細書に開示される様々な実施形態による、皮膚科学的撮像デバイス１１０の俯瞰図２００、側面図２１０、及び切断図２１４である。俯瞰図２００は、ユーザモバイルデバイス２０２の後部に取り付けられた皮膚科学的撮像デバイス１１０を特徴とする。概して、皮膚科学的撮像デバイス１１０は、ユーザモバイルデバイスのカメラを皮膚科学的撮像デバイス１１０のレンズ及び開口と光学的に整合して位置決めする方法において、ユーザモバイルデバイス２０２に結合するように構成される。皮膚科学的撮像デバイス１１０は、任意の好適な手段を使用してユーザモバイルデバイス２０２に分離できるように又は動かせないように結合することができることを理解されたい。

側面図２１０は、ユーザモバイルデバイス２０２のカメラ２１２に対する皮膚科学的撮像デバイス１１０の位置を例示する。より具体的には、切断図２１４は、ユーザモバイルデバイス２０２のカメラ２１２と、皮膚科学的撮像デバイス１１０のレンズセット２１６及び開口２１８との整合を例示する。レンズセット２１６は、カメラ２１２から開口２１８の距離に位置決められる物体にカメラ２１２の焦点を合わせるように構成され得る。したがって、本明細書で更に考察されるように、ユーザは、皮膚科学的撮像デバイス１１０の開口をユーザの皮膚の一部分に接触させて配置し得、レンズセット２１６は、ユーザモバイルデバイス２０２のカメラ２１２がユーザの皮膚部分の画像を取り込むことを可能にする。様々な実施形態では、開口２１８からカメラ２１２までの距離は、３５ｍｍ以下であり得る短い撮像距離を画定し得る。様々な実施形態では、開口２１８は、円形であり得、おおよそ２０ｍｍの直径を有し得る。

皮膚科学的撮像デバイス１１０はまた、開口２１８を通してカメラ２１２の視野（ｆｉｅｌｄ ｏｆ ｖｉｅｗ、ＦＯＶ）内に配置された物体を照明するように構成された発光ダイオード（ＬＥＤ）２２０を含み得る。ＬＥＤ２２０の各々は、皮膚科学的撮像デバイス１１０内に位置決めされ得、ＬＥＤ２２０が開口２１８によって画定されたＦＯＶ内に配置された物体の周辺で境界線を形成するように、皮膚科学的撮像デバイス１１０内に配設され得る。例えば、ユーザは、皮膚の一部分が開口２１８を通してカメラ２１２に視認可能であるように、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせをユーザの皮膚の一部分に配置し得る。ＬＥＤ２２０は、皮膚の一部分の周りに周辺を形成する方法で、皮膚科学的撮像デバイス１１０内に位置決めされ得る。更に、皮膚科学的撮像デバイス１１０は、任意の好適な数のＬＥＤ２２０を含み得る。様々な実施形態では、皮膚科学的撮像デバイス１１０は、２１個のＬＥＤ２２０を含み得、それらは、開口２１８によって画定されたＦＯＶ内に配置された物体の周りに周辺を確立するために、おおよそ円形のリング状の様式で均一に分布され得る。いくつかの実施形態では、ＬＥＤ２２０は、カメラ２１２から開口２１８までのおおよそ半分の距離で、カメラ２１２と開口２１８との間に位置決めされ得る。

そのような短い撮像距離では、従来の撮像システムは、光源の実質的な内部反射に悩まされ得、その結果、画質が悪くなる。従来の撮像システムのこれらの問題を回避するために、皮膚科学的撮像デバイス１１０の内面２２２は、高光吸収性塗料で被覆され得る。このようにして、ＬＥＤ２２０は、実質的な内部反射を生成することなく、開口２１８の外面と接触している物体を照明し得、それによって最適な画質を保証する。

しかしながら、最適な画像品質を更に保証し、３Ｄ画像モデリングアルゴリズムが本明細書に記載される機能を最適に実行し得るようにするために、カメラ２１２及びＬＥＤ２２０は、較正され得る。従来のシステムは、歪んだ画像特性（例えば、物体表面の劣化）及び他の同様の異常に起因して、そのような短い撮像距離でカメラ及び照明デバイスを較正するのに苦労し得る。本開示の技術は、例えば、ランダムサンプリングコンセンサスアルゴリズム（図３Ａに関して考察される）及び光線経路追跡（図３Ｂに関して考察される）を使用して、従来のシステムに関連付けられたこれらの問題を解決する。より概して、図３Ａ、図３Ｂ、及び図４の各々は、従来のシステムの欠点を克服するために使用され得、図５Ａ～図８を参照して本明細書に記載される３Ｄ撮像モデリング技術の前に、又はその一部として実行され得る較正技術を記載する。

図３Ａは、本明細書に開示される様々な実施形態による、図２Ａ～図２Ｃの皮膚科学的撮像デバイス１１０とともに使用するためのカメラ（例えば、カメラ２０２）を較正するために使用される、例示的なカメラ較正表面３００を例示する。概して、例示的なカメラ較正表面３００は、既知の寸法を有し得、例示的なカメラ較正表面３００を等間隔／寸法のサブセクションに分割するために使用されるパターン又は他の設計を含み得る。図３Ａに例示されるように、例示的なカメラ較正表面３００は、市松模様（checkerboard）パターンを含み、パターンの各正方形は、等しい寸法を有し得る。例示的なカメラ較正表面３００の取り込まれた画像から導出される画像データを使用して、ユーザモバイルデバイス２０２は、カメラ２１２及びレンズセット２１６に対応する撮像パラメータを判定し得る。画像データは、例示的なカメラ較正表面３００の画像に表される識別可能な特徴の寸法を広く指し得る。例えば、ユーザモバイルデバイス２０２は、皮膚科学的撮像デバイス１１０がユーザモバイルデバイス２０２に取り付けられたときに、カメラ２１２によって取り込まれた画像に適用されるスケーリングパラメータ、焦点距離、焦点面までの距離、及び／又は例示的なカメラ較正表面３００の画像から導出された画像データに基づく他の好適なパラメータを（例えば、モバイルアプリケーションを介して）判定し得る。

カメラ２１２を較正することを開始するために、ユーザは、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせを例示的なカメラ較正表面３００上に配置し得る。ユーザモバイルデバイス２０２及び皮膚科学的撮像デバイス１１０が所定の位置にあるときに、ユーザモバイルデバイス２０２は、較正画像取り込みシーケンスを実行するようにユーザに促し得、及び／又はユーザは、較正画像取り込みシーケンスを手動で開始し得る。ユーザモバイルデバイス２０２は、例示的なカメラ較正表面３００の１つ以上の画像を取り込むことに進み得、ユーザは、表面３００の異なる部分の画像を取り込むために、例示的なカメラ較正表面３００にわたってユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせをスライドさせるか又は別な方法で移動させ得る。いくつかの実施形態では、較正画像取り込みシーケンスは、ビデオシーケンスであり、ユーザモバイルデバイス２０２は、画像データを導出するために、ビデオシーケンスからの静止フレームを分析し得る。他の実施形態では、較正画像取り込みシーケンスは、一連の単一画像取り込みであり、ユーザモバイルデバイス２０２は、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせを例示的カメラ較正表面３００上の異なる場所に移動させるように、各取り込みの間にユーザを促し得る。

較正画像取り込みシーケンスの間（例えば、リアルタイムで）又はその後に、ユーザモバイルデバイス２０２は、画像データを判定するために、ビデオシーケンス又は一連の単一画像取り込みから画像のセットを選択し得る。概して、画像のセットにおける各画像は、画像データを判定するのに適した理想的撮像特性を特徴とし得る。例えば、ユーザモバイルデバイス２０２は、それらの画像特性に基づいてそのような領域を識別するように構成されたランダムサンプリングコンセンサスアルゴリズムを使用することによって、領域３０２ａ、３０２ｂ、及び３０２ｃの各々を表す又は含む画像を選択し得る。これらの領域３０２ａ、３０２ｂ、３０２ｃを含む画像は、市松模様の異なる色／パターンの正方形間の最適なコントラスト、例示的なカメラ較正表面３００にわたってユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせを移動させることに関連付けられた物理的影響による最小限の画像劣化（例えば、解像度干渉）、及び／又は任意の他の好適な撮像特性若しくはそれらの組み合わせを含み得る。

画像のセットにおける各画像を使用して、ユーザモバイルデバイス２０２は（例えば、モバイルアプリを介して）、例えば、識別された画像特徴を既知の特徴寸法と相関させることによって、画像データを判定し得る。例示的なカメラ較正表面３００の市松模様内の単一の正方形は、１０ｍｍ×１０ｍｍの寸法であり得る。したがって、ユーザモバイルデバイス２０２が、領域３０２ｃを表す画像が１つの完全な正方形を含むことを識別する場合、ユーザモバイルデバイス２０２は、１０ｍｍ×１０ｍｍを測定するように、画像内の領域を相関させ得る。この画像データはまた、皮膚科学的撮像デバイス１１０の既知の寸法と比較され得る。例えば、皮膚科学的撮像デバイス１１０の開口２１８は、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせが表面と接触しているときに、カメラ２１２によって取り込まれた画像によって表されるエリアが、概して直径２０ｍｍを超えて測定されないように、直径２０ｍｍを測定し得る。したがって、ユーザモバイルデバイス２０２は、画像によって表されるエリアのおおよその寸法を考慮して、画像データをより正確に判定し得る。もちろん、表面異常又は他の欠陥は、画像によって表されるエリアが開口２１８の既知の寸法よりも大きくさせ得る。例えば、ユーザは、表面を変形させるのに十分な力を使用して、皮膚科学的撮像デバイス１１０を可撓性表面（例えば、皮膚表面）に押し付け得、直径２０ｍｍによって画定される円形エリアよりも多くの表面エリアが開口２１８を通って皮膚科学的撮像デバイス１１０に入るようにする。

いずれにしても、ＬＥＤ２２０はまた、本明細書に記載される３Ｄ画像モデリング機能を最適に実行するために較正を必要とし得る。図３Ｂは、本明細書に開示される様々な実施形態による、図２Ａ～図２Ｃの皮膚科学的撮像デバイス１１０の照明コンポーネント（例えば、ＬＥＤ２２０）についての例示的な較正技術に対応する、照明較正図３１０である。照明較正図３１０は、カメラ２１２と、物体３１２を照明する複数のＬＥＤ２２０と、ＬＥＤ２２０から放射された照明がカメラ２１２に到達するために横断した経路を表す光線３１４とを含む。ユーザモバイルデバイス２０２は（例えば、モバイルアプリケーションを介して）、皮膚科学的撮像デバイス１１０内のＬＥＤ２２０の各々が個別にランプアップ／ランプダウンして物体３１２を照明する照明較正シーケンスを開始し得、カメラ２１２は、物体３１２を個別に照明する各それぞれのＬＥＤ２２０に対応する画像を取り込む。物体３１２は、例えば、ボールベアリング及び／又は任意の他の好適な物体又はそれらの組み合わせであり得る。

図３Ｂに例示されるように、最も左側のＬＥＤ２２０から放射された照明は、物体３１２の各々に入射し、光線３１４によって表される経路に沿ってカメラ２１２まで反射する。ユーザモバイルデバイス２０２は、モバイルアプリケーションの一部として、物体３１２から反射されてそれらの交点に戻る光線の各々を追跡するように構成された経路追跡モジュールを含み得る。そうすることで、経路追跡モジュールは、最も左側のＬＥＤ２２０の位置を識別し得る。したがって、ユーザモバイルデバイス２０２は、例えば、ＬＥＤ２２０の数、各それぞれのＬＥＤ２２０に関連付けられた照明角度、各それぞれのＬＥＤ２２０の強度、各それぞれのＬＥＤ２２０から放射された照明の温度、及び／又は任意の他の好適な照明パラメータとともに、ＬＥＤ２２０の各々及びそれらのそれぞれの照明に対応する３Ｄ位置及び方向を計算し得る。照明較正図３１０は、４つの物体３１２を含み、ユーザモバイルデバイス２０２は、交点を正確に識別するために、ＬＥＤ２２０からの照明を反射する少なくとも２つの物体３１２を必要とし得、それによって、照明較正シーケンスを可能にする。

有利なことに、適切に較正されたカメラ２１２及びＬＥＤ２２０で、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせは、本明細書に記載される３Ｄ画像モデリング機能を実行し得る。しかしながら、他の物理的影響（例えば、カメラジッター）は、較正にもかかわらず、３Ｄ画像モデリング機能を更に損ない得る。これらの他の物理的効果の影響を最小化するために、カメラ２１２及びＬＥＤ２２０は、非同期的に制御され得る。そのような非同期制御は、撮像されている表面が画像取り込み中に移動することを防止し得、結果として、カメラジッターのような効果の影響を最小限にし得る。非同期制御の一部として、カメラ２１２は、各ＬＥＤ２２０が照明シーケンスにおいて独立してランプアップ／ランプダウンする間に、カメラ２１２が一連のフレーム（例えば、高解像度（high-definition、ＨＤ）ビデオ）を取り込むビデオサンプリング周期を実行し得る。

概して、カメラ２１２及びＬＥＤ２２０の非同期制御は、完全にランプアップされた（例えば、完全に照明された）それぞれのＬＥＤ２２０を特徴としないビデオサンプリング周期の一部としてカメラ２１２によって取り込まれたフレームをもたらし得る。この潜在的な問題を解決するために、ユーザモバイルデバイス２０２は、完全にランプアップされたＬＥＤ２２０照明に対応する個々のフレームを識別することによって、カメラ２１２のフレームをＬＥＤ２２０のランプアップ時間と同期させるように構成された同期モジュール（例えば、モバイルアプリケーションの一部として）を含み得る。図４は、本明細書に開示される様々な実施形態による、図２Ａ～図２Ｃの皮膚科学的撮像デバイス１１０の照明コンポーネント（例えば、ＬＥＤ２２０）の照明シーケンスとカメラ２１２のフレーム取り込みを同期させるために同期モジュールが使用し得る、例示的なビデオサンプリング周期を例示するグラフ４００である。グラフ４００は、カメラ２１２によって取り込まれた個々のフレームに対応するｘ軸と、それぞれのフレームの平均画素強度に対応するｙ軸とを含む。グラフに含まれる各円（例えば、フレーム取り込み４０４、４０６ａ、４０６ｂ）は、カメラ２１２による単一の画像取り込みに対応し、円のうちのいくつか（例えば、フレーム取り込み４０４、４０６ａ）は、追加的に、外接円によって表される画像取り込みが、個々のＬＥＤ２２０の発光照明に対応する最大平均画素強度を有することを示す、円に外接する正方形含む。

図４に例示されるように、グラフ４００は、２１個のピークを有し、各ピークは、特定のＬＥＤ２２０のランプアップ／ランプダウンシーケンスに対応する。ユーザモバイルデバイス２０２は（例えば、モバイルアプリケーションを介して）、カメラ２１２が、照明シーケンスの一部として、開口２１８を通して視認可能である関心領域（region of interest、ＲＯＩ）を照明するために個々にランプアップ／ランプダウンする各ＬＥＤ２２０のビデオサンプリング周期中にＨＤビデオを取り込み得るように、ビデオサンプリング周期及び照明シーケンスを非同期的に開始し得る。結果として、カメラ２１２は、部分的及び／又は完全に照明されている間の１つ以上のＬＥＤ２２０からの照明を含むＲＯＩの複数のフレームを取り込み得る。同期モジュールは、取り込まれた各フレームの平均画素強度を特徴付けるグラフ４００と同様のプロットを生成するために、各フレームを分析し得、各ＬＥＤ２２０についての最大平均画素強度に対応するフレーム取り込みを更に判定し得る。同期モジュールは、例えば、最大平均画素強度フレーム取り込みの数を判定するために、所定の数のＬＥＤ２２０を使用し得、及び／又はモジュールは、生成されたプロットに含まれるピークの数を判定し得る。

例示するために、同期モジュールは、各ＬＥＤ２２０についての既知のランプアップ時間（例えば、ランプアップ／ランプダウンフレーム帯域幅）に基づいて最初の７つの取り込まれたフレームの画素強度を分析し、最初の７つのフレームの中の最大平均画素強度値を判定し、最大平均画素強度に対応するフレームをＬＥＤ２２０照明フレームとして指定し、全ての取り込まれたフレームが分析されるまで、同様の様式で後続の７つの取り込まれたフレームを分析するために進み得る。追加的又は代替的に、同期モジュールは、所定の数のＬＥＤ２２０に対応する最大平均画素強度フレームとしていくつかのフレームが指定されるまで、取り込まれたフレームを分析し続け得る。例えば、所定の数のＬＥＤ２２０が２１個である場合、同期モジュールは、２１個の取り込まれたフレームが最大平均画素強度フレームとして指定されるまで、取り込まれたフレームを分析し続け得る。

もちろん、画素強度値は、平均画素強度、平均（average、代表値）画素強度、加重平均（average、代表値）画素強度、及び／若しくは任意の他の好適な画素強度測定値、又はそれらの組み合わせに従って分析され得る。更に、画素強度は、修正された色空間（例えば、赤－緑－青（red-green-blue、ＲＧＢ）空間とは異なる色空間）において計算され得る。このようにして、ＲＯＩ内の画素強度の信号プロファイルは、改善され得、結果として、同期モジュールは、最大平均画素強度フレームをより正確に指定／判定し得る。

同期モジュールが各ＬＥＤ２２０に対応する最大平均画素強度フレームを指定すると、同期モジュールは、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせによって取り込まれた後続のビデオサンプリング周期において、各それぞれのＬＥＤ２２０からの完全な照明を含むフレームを自動的に識別し得る。各ビデオサンプリング周期は、同じ数のフレーム取り込みに及び得、ＬＥＤ２２０の非同期制御は、各ＬＥＤ２２０を、ビデオサンプリング周期の同じフレームにおいて、同じ順次点弧順序でランプアップ／ランプダウンさせ得る。したがって、特定のビデオサンプリング周期の後に、同期モジュールは、フレーム取り込み４０４、４０６ａを最大平均画素強度フレームとして自動的に指定し得、フレーム取り込み４０６ｂを非最大平均画素強度フレームとして自動的に指定し得る。同期モジュールは、ビデオサンプリング周期及び照明シーケンスを最初に較正する（例えば、同期する）ために１回、所定の周波数に従って、又はリアルタイムで判定されるようにビデオサンプリング周期及び照明シーケンスを周期的に再較正するために複数回、及び／又は各ビデオサンプリング周期及び照明シーケンスの一部として、本明細書に記載される同期技術を実行し得ることが理解されたい。

ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせが適切に較正されるときに、ユーザは、本開示の技術に従って、自分の皮膚表面の３Ｄ画像モデルを受信するために、自分の皮膚表面の画像を取り込むことを開始し得る。例えば、図５Ａ～図５Ｃは、ユーザの皮膚表面の３Ｄ画像モデルを生成するために、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせによって撮像及び分析され得る、例示的画像１３０ａ、１３０ｂ、及び１３０ｃを例示する。これらの画像の各々は、ユーザモバイルデバイス２０２で収集／集約され得、３Ｄ画像モデリングアルゴリズム（例えば、３Ｄ画像モデリングアルゴリズム１０８）によって分析され得、及び／又は３Ｄ画像モデリングアルゴリズムを訓練するために使用され得る。いくつかの実施形態では、皮膚表面画像は、撮像サーバ１０２で収集又は集約され得、３Ｄ画像モデリングアルゴリズム（例えば、本明細書に記載されるような機械学習画像モデルなどのＡＩモデル）によって分析され、及び／又はそれを訓練するために使用され得る。

例示的な領域１３０ａ、１３０ｂ、１３０ｃを表す各画像は、特徴データを表し、それぞれの画像内のそれぞれの皮膚表面の特定の属性の各々に対応する画素データ５０２ａｐ、５０２ｂｐ、及び５０２ｃｐ（例えば、ＲＧＢデータ）を含み得る。概して、本明細書に記載されるように、画素データ５０２ａｐ、５０２ｂｐ、５０２ｃｐは、画像内のデータの点又は正方形を含み、各点又は正方形は、画像内の単一画素（例えば、画素５０２ａｐ１、５０２ａｐ２、５０２ｂｐ１、５０２ｂｐ２、５０２ｃｐ１、及び５０２ｃｐ２）を表す。各画素は、画像内の特定の場所であり得る。加えて、各画素は、特定の色（又はその欠如）を有し得る。画素色は、所与の画素に関連付けられた色フォーマット及び関連するチャネルデータによって判定され得る。例えば、一般的な色フォーマットは、赤、緑、及び青のチャネルを有する赤－緑－青（ＲＧＢ）フォーマットを含む。すなわち、ＲＧＢフォーマットでは、画素のデータは、画像内の画素のエリアの色を操作するために、チャネルデータと称され得る３つの数値ＲＧＢ成分（赤、緑、青）によって表される。いくつかの実装形態では、３つのＲＧＢ成分は、画素ごとに３つの８ビット数として表され得る。３つの８ビットバイト（ＲＧＢの各々について１バイト）は、２４ビット色を生成するために使用される。各８ビットＲＧＢ成分は、０～２５５の範囲の２５６個の可能な値を有することができる（すなわち、基数２の２進システムでは、８ビットバイトは、０～２５５の範囲の２５６個の数値のうちの１つを含むことができる）。このチャネルデータ（Ｒ、Ｇ、及びＢ）は、画素の色を設定するために使用される、０～２５５までの値を割り当てられることができる。例えば、（赤＝２５０、緑＝１６５、青＝０）を意味する（２５０、１６５、０）のような３つの値は、１つのオレンジ画素を表すことができる。更なる例として、（赤＝２５５、緑＝２５５、青＝０）は、赤及び緑を意味し、各々完全に飽和され（２５５は８ビットが可能な明るさである）、青がなく（０）、結果として生じる色は黄色である。なおも更なる例として、黒は、（赤＝０、緑＝０、青＝０）のＲＧＢ値を有し、白は、（赤＝２５５、緑＝２５５、青＝２５５）のＲＧＢ値を有する。グレーは、等しい又は同様のＲＧＢ値を有するという特性を有する。したがって、（赤＝２２０、緑＝２２０、青＝２２０）は、明るいグレー（白に近い）であり、（赤＝４０、緑＝４０、青＝４０）は、暗いグレー（黒に近い）である。

このようにして、３つのＲＧＢ値の合成は、所与の画素に対する最終的な色を生成する。３バイトを使用する２４ビットＲＧＢ色画像では、２５６階調の赤、２５６階調の緑、及び２５６階調の青が存在することができる。これは、２５６×２５６×２５６、すなわち、２４ビットＲＧＢ色画像について１６７０万の可能な組み合わせ又は色を提供する。このようにして、画素のＲＧＢデータ値は、画素が赤、及び緑、及び青の各々でどれだけを構成しているかを示す。３つの色及び強度レベルは、その画像画素において、すなわち、ディスプレイ画面上のその画素位置において組み合わされて、その位置においてその色でディスプレイ画面を照明する。しかしながら、より少ない又はより多いビット、例えば、１０ビットを有する他のビットサイズが、より少ない又はより多い全体的な色及び範囲をもたらすために使用され得ることが理解されたい。例えば、ユーザモバイルデバイス２０２は、ＲＧＢ色空間の代わりにグレースケールで取り込まれた画像を分析し得る。

全体として、グリッドパターンに一緒に位置決めされた様々な画素は、デジタル画像（例えば、画像１３０ａ、１３０ｂ、及び／又は１３０ｃ）を形成する。単一のデジタル画像は、数千又は数百万の画素を含むことができる。画像は、ＪＰＥＧ、ＴＩＦＦ、ＰＮＧ、及びＧＩＦなどのいくつかのフォーマットでキャプチャ、生成、格納、及び／又は伝送することができる。これらのフォーマットは、画像を格納及び表現するために画素を使用する。

図５Ａは、本明細書に開示される種々の実施形態による、３Ｄ画像モデリングアルゴリズム（例えば、３Ｄ画像モデリングアルゴリズム１０８）を訓練及び／又は実装するために使用され得る、例示的画像１３０ａ及びその関連画素データ（例えば、画素データ５０２ａｐ）を例示する。例示的な画像１３０ａは、ざ瘡病変を特徴付けるユーザの皮膚表面の一部分（例えば、ユーザの顔エリア）を例示する。様々な実施形態では、ユーザは、ユーザの顔、ユーザの頬、ユーザの首、ユーザの顎、ユーザの頭、ユーザの鼠径部、ユーザの脇の下、ユーザの胸、ユーザの背中、ユーザの脚、ユーザの腕、ユーザの腹部、ユーザの足、及び／若しくはユーザの身体の任意の他の好適なエリア、又はそれらの組み合わせの少なくとも１つのユーザモバイルデバイス２０２による分析のために画像を取り込み得る。例示的な画像１３０ａは、例えば、本明細書で考察されるように、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせを使用して、ユーザが経時的にざ瘡病変の形成及び除去を追跡しようとすることを表し得る。

画像１３０ａは、例えば、画素５０２ａｐ１及び５０２ａｐ２を含む画素データ５０２ａｐから構成される。画素５０２ａｐ１は、例えば、皮膚表面上の異常（例えば、拡大された毛穴又は損傷した皮膚細胞）に起因して、画素５０２ａｐ１によって表される位置で比較的低い程度の皮膚起伏／反射率を有するユーザから生じる、画像１３０ａに位置決められた比較的暗い画素（例えば、低いＲ、Ｇ、及びＢ値を伴う画素）であり得る。画素５０２ａｐ２は、ユーザが画素５０２ａｐ２によって表される位置にざ瘡病変を有することから生じる、画像１３０ａに位置決められた比較的明るい画素（例えば、高いＲ、Ｇ、及びＢ値を伴う画素）であり得る。

ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせは、ビデオサンプリング周期及び照明シーケンスの一部として、（例えば、ＬＥＤ２２０を介して）複数の角度／強度の照明の下で画像１３０ａを取り込み得る。したがって、画素データ５０２ａｐは、ビデオサンプリング周期中の画像１３０ａの各取り込みに関連付けられた複数の照明角度／強度に対応する個々の画素（例えば、５０２ａｐ１、５０２ａｐ２）についての複数の暗さ／明るさ値を含み得る。画素５０２ａｐ１は、概して、２つの画素５０２ａｐ１、５０２ａｐ２によって表される特徴の差に起因して、ビデオサンプリング周期の画像取り込みにおいて画素５０２ａｐ２よりも暗く見え得る。したがって、この暗い／明るい外観における差及び画素５０２ａｐ２に起因して投影される任意の影は、本明細書で更に考察するように、部分的に、３Ｄ画像モデリングアルゴリズム１０８に、画素５０２ａｐ１に対して画像１３０ａによって表される皮膚表面の隆起部分として画素５０２ａｐ２を表示させ得る。

図５Ｂは、本明細書に開示される種々の実施形態による、３Ｄ画像モデリングアルゴリズム（例えば、３Ｄ画像モデリングアルゴリズム１０８）を訓練及び／又は実装するために使用され得る、更なる例示的画像１３０ｂ及びその関連画素データ（例えば、画素データ５０２ｂｐ）を例示する。例示的な画像１３０ｂは、光線性角化症病変を含むユーザの皮膚表面の一部分（例えば、ユーザの手又は腕エリア）を例示する。例示的な画像１３０ｂは、例えば、ユーザの手に形成された皮膚病変の微起伏を検査／分析するために、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせを利用するユーザを表し得る。

画像１３０ｂは、画素データ５０２ｂｐを含む画素データから構成される。画素データ５０２ｂｐは、画素５０２ｂｐ１、及び画素５０２ｂｐ２を含む複数の画素を含む。画素５０２ｂｐ１は、画素５０２ｂｐ１によって表される位置において比較的低い程度の皮膚の起伏を有するユーザから生じる、画像１３０ｂに位置決められた明るい画素（例えば、高いＲ、Ｇ、及び／又はＢ値を伴う画素）であり得る。画素５０２ｂｐ２は、例えば、皮膚病変に起因して、画素５０２ｂｐ２によって表される位置において比較的高い程度の皮膚起伏を有するユーザから生じる、画像１３０ｂに位置決められた暗い画素（例えば、低いＲ、Ｇ、及びＢ値を伴う画素）であり得る。

ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせは、ビデオサンプリング周期及び照明シーケンスの一部として、（例えば、ＬＥＤ２２０を介して）複数の角度／強度の照明の下で画像１３０ｂを取り込み得る。したがって、画素データ５０２ｂｐは、ビデオサンプリング周期中の画像１３０ｂの各取り込みに関連付けられた複数の照明角度／強度に対応する個々の画素（例えば、５０２ｂｐ１、５０２ｂｐ２）についての複数の暗さ／明るさ値を含み得る。画素５０２ｂｐ２は、概して、２つの画素５０２ｂｐ１、５０２ｂｐ１によって表される特徴の差に起因して、ビデオサンプリング周期の画像取り込みにおいて画素５０２ｂｐ２よりも暗く見え得る。したがって、この暗い／明るい外観における差及び画素５０２ｂｐ２上に投影される任意の影は、本明細書で更に考察されるように、部分的に、３Ｄ画像モデリングアルゴリズム１０８に、画素５０２ｂｐ２に対して画像１３０ｂによって表される皮膚表面の隆起部分として画素５０２ｂｐ１を表示させ得る。

図５Ｃは、本明細書に開示される種々の実施形態による、３Ｄ画像モデリングアルゴリズム（例えば、３Ｄ画像モデリングアルゴリズム１０８）を訓練及び／又は実装するために使用され得る、更なる例示的画像１３０ｃ及びその関連画素データ（例えば、５０２ｃｐ）を例示する。例示的な画像１３０ｃは、ユーザが経験しているアレルギー反応の結果としての皮膚発疹を含むユーザの皮膚表面の一部分（例えば、ユーザの胸又は背中エリア）を例示する。例示的な画像１３０ｃは、例えば、本明細書で更に考察されるように、アレルギー反応によって引き起こされる発疹を検査／分析するために、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせを利用するユーザを表し得る。

画像１３０ｃは、画素データ５０２ｃｐを含む画素データから構成される。画素データ５０２ｃｐは、画素５０２ｃｐ１、及び画素５０２ｃｐ２を含む複数の画素を含む。画素５０２ｃｐ１は、ユーザが画素５０２ｃｐ１によって表される位置に皮膚発疹を有することから生じる、画像１３０ｃに位置決められた明るい赤色画素（例えば、比較的高いＲ値を伴う画素）であり得る。画素５０２ｃｐ２は、画素５０２ｃｐ２によって表される位置において最小の皮膚発疹を有するユーザ１３０ｃｕから生じる、画像１３０ｃに位置決められた明るい画素（例えば、高いＲ、Ｇ、及び／又はＢ値を伴う画素）であり得る。

ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせは、ビデオサンプリング周期及び照明シーケンスの一部として、（例えば、ＬＥＤ２２０を介して）複数の角度／強度の照明の下で画像１３０ｃを取り込み得る。したがって、画素データ５０２ｃｐは、ビデオサンプリング周期中の画像１３０ｃの各取り込みに関連付けられた複数の照明角度／強度に対応する個々の画素（例えば、５０２ｃｐ１、５０２ｃｐ２）についての複数の暗さ／明るさ値及び複数の色値を含み得る。画素５０２ｃｐ２は、概して、２つの画素５０２ｃｐ１、５０２ｃｐ２によって表される特徴の差に起因して、ビデオサンプリング周期の画像取り込みにおいて、画素５０２ｃｐ１よりも明るく、よりニュートラルな皮膚色調に見え得る。したがって、この暗い／明るい外観における差、ＲＧＢ色値、及び画素５０２ｃｐ２に起因して投影される任意の影は、本明細書で更に考察されるように、部分的に、３Ｄ画像モデリングアルゴリズム１０８に、画素５０２ｃｐ２に対して画像１３０ｃによって表される皮膚表面の隆起した、より赤い部分として画素５０２ｃｐ１を表示させ得る。

画素データ１３０ａｐ、１３０ｂｐ、及び１３０ｃｐは各々、様々な明度／暗度値及び色値を特徴とするユーザの皮膚表面エリアの残りの部分を含む、様々な残りの画素を含む。画素データ１３０ａｐ、１３０ｂｐ、及び１３０ｃｐは各々、図５Ａ～図５Ｃに示されるように、ユーザの皮膚表面の解剖学的特徴及び他の特徴によるユーザの皮膚の起伏を含む、更なる特徴を表す画素を更に含む。

図５Ａ～図５Ｃに表される画像の各々は、リアルタイム及び／又はほぼリアルタイムで、本明細書で更に記載されるように、３Ｄ画像モデリングアルゴリズム（例えば、３Ｄ画像モデリングアルゴリズム１０８）に従って到着し、処理され得ることを理解されたい。例えば、ユーザは、アレルギー反応が起こっている際に画像１３０ｃを取り込み得、３Ｄ画像モデリングアルゴリズムは、リアルタイム又はほぼリアルタイムで、フィードバック、推奨、及び／又は他のコメントを提供し得る。

いずれにしても、画像がユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせによって取り込まれるときに、画像は、ユーザモバイルデバイス２０２に格納された３Ｄ画像モデリングアルゴリズム１０８によって（例えば、モバイルアプリケーションの一部として）処理され得る。図６は、皮膚表面のトポグラフィ表現を定義する３Ｄ画像モデル６１０を生成するために入力皮膚表面画像６００を使用する３Ｄ画像モデリングアルゴリズム１０８の例示的ワークフローを例示する。概して、３Ｄ画像モデリングアルゴリズム１０８は、３Ｄ画像モデル６１０を構築するために、複数の皮膚表面画像（例えば、入力皮膚表面画像６００に類似する）の画素値を分析し得る。

より具体的には、３Ｄ画像モデリングアルゴリズム１０８は、次式によって与えられるような照度差ステレオ方程式を解くために画素値を利用することによって、３Ｄ画像モデル６１０を推定し得る。

ここで、Ｎ_ｉは、皮膚表面上のｉ番目の３Ｄ点

での法線であり、ρ_ｉは、アルベド（Albedo）であり、

は、ｊ番目の光源（例えば、ＬＥＤ２２０）の３Ｄ位置であり、ｑは、光減衰率である。３Ｄ画像モデリングアルゴリズム１０８は、例えば、各画素について照明の確率的円錐からの差分光寄与を積分し、式（１）から推定された法線を補正するために、各画素について観察された強度を使用し得る。補正された法線を用いて、３Ｄ画像モデリングアルゴリズム１０８は、例えば、勾配アルゴリズムからの深さを使用して３Ｄ画像モデル６１０を生成し得る。

３Ｄ画像モデル６１０を推定することは、取り込まれた画像に表される皮膚表面に対応する皮膚タイプ（例えば、皮膚色、皮膚表面エリアなど）に大きく依存し得る。有利なことに、３Ｄ画像モデリングアルゴリズム１０８は、式（１）に従って法線を反復的に推定することによって、取り込まれた画像において表される皮膚表面に対応する皮膚タイプを自動的に判定し得る。３Ｄ画像モデリングアルゴリズム１０８はまた、各画素について推定された法線を考慮して、皮膚タイプの判定を容易にするために、取り込まれた画像にわたって画素強度のバランスをとり得る。

更に、３Ｄ画像モデリングアルゴリズム１０８は、３Ｄ画像モデル６１０を生成するときに、特定の取り込まれた画像について照明の確率的円錐を推定し得る。概して、撮像される平面を照明する光源が無限遠にあるときに、平面に入射する光線は、平行であると仮定され、平面上の全ての点は、等しい強度で照明される。しかしながら、光源が表面に非常に近い（例えば、３５ｍｍ以内）ときに、平面に入射する光線は、円錐を形成する。結果として、光源に近い平面上の点は、光源から更に離れた平面上の点よりも明るくなる。したがって、３Ｄ画像モデリングアルゴリズム１０８は、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせを記述する既知の寸法パラメータ（例えば、３Ｄ ＬＥＤ２２０の位置、ＬＥＤ２２０からＲＯＩまでの距離、カメラ２１２からＲＯＩまでの距離など）と併せて、取り込まれた画像を使用して、取り込まれた画像について照明の確率的円錐を推定し得る。

図７は、本明細書に開示される様々な実施形態による、皮膚表面の三次元（３Ｄ）画像モデルを生成するためのユーザの皮膚表面の画像（例えば、画像１３０ａ、１３０ｂ、及び／又は１３０ｃ）の画素データを分析する皮膚科学的撮像方法７００の図を例示する。画像は、本明細書に記載されるように、概して、デジタルカメラ（例えば、ユーザモバイルデバイス２０２のカメラ２１２）によって取り込まれるような画素画像である。いくつかの実施形態では、画像は、デジタルビデオカメラを使用して収集されたような複数の画像（例えば、フレーム）などの複数の画像を含むか、又はそれらを指し得る。フレームは、動きを定義する連続画像を含み、動画、ビデオなどを含むことができる。

ブロック７０２で、方法７００は、１つ以上のプロセッサによって、ユーザの皮膚の一部分の画像を分析することを含み、画像は、皮膚の一部分に焦点を合わせるように構成された１つ以上のレンズ（例えば、レンズセット２１６）を通って延在する撮像軸を有するカメラ（例えば、カメラ２１２）によって取り込まれる。各画像は、皮膚の一部分の周辺でおおよそ位置決めされるように構成されたＬＥＤの異なるサブセット（例えば、ＬＥＤ２２０）によって照明され得る。例えば、画像は、それぞれのユーザのざ瘡病変（例えば、図５Ａに例示されるような）、それぞれのユーザの光線性角化症病変（例えば、図５Ｂに例示されるような）、それぞれのユーザのアレルギー発疹（例えば、図５Ｃに例示されるような）、並びに／又はそれぞれのユーザの頭、それぞれのユーザの鼠径部、それぞれのユーザの脇の下、それぞれのユーザの胸、それぞれのユーザの背中、それぞれのユーザの脚、それぞれのユーザの腕、それぞれのユーザの腹、それぞれのユーザの足、及び／若しくはそれぞれのユーザの身体の任意の他の好適なエリア、若しくはそれらの組み合わせに位置する任意の種類のそれぞれのユーザの皮膚状態（若しくはその欠如）を表し得る。

いくつかの実施形態では、ＬＥＤのサブセットは、第１の照明強度で皮膚の一部分を照明し得、ＬＥＤの異なるサブセットは、第１の照明強度とは異なる第２の照明強度で皮膚の一部分を照明し得る。例えば、第１のＬＥＤは、第１のワット数で皮膚の一部分を照明し得、第２のＬＥＤは、第２のワット数で皮膚の一部分を照明し得る。この実施例では、第２のワット数は、第２のＬＥＤが第１のＬＥＤの２倍の強度で皮膚の一部分を照らすように、第１のワット数の値の２倍であり得る。

更に、いくつかの実施形態では、ＬＥＤの各異なるサブセットによって提供される照明は、異なる照明角度から皮膚の一部分を照明し得る。例えば、ＲＯＩの中心から両方向に垂直に延在するユーザモバイルデバイス２０２の向きに対する平行線（例えば、「法線」）が、０度の照明角度を定義すると仮定する。したがって、第１のＬＥＤは、法線から９０度の第１の照明角度から皮膚の一部分を照明し得、第２のＬＥＤは、法線から３０度の第２の照明角度から皮膚の一部分を照明し得る。この実施例では、第１の照明角度から第１のＬＥＤによって照明された第１の取り込まれた画像は、第２の照明角度から第２のＬＥＤによって照明された第２の取り込まれた画像とは異なる影を含み得る。結果として、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせによって取り込まれた各画像は、異なる照明角度からの照明の結果として皮膚の一部分上に投影される異なるセットの影を特徴とし得る。

追加的に、いくつかの実施形態では、ユーザモバイルデバイス２０２は（例えば、モバイルアプリケーションを介して）、取り込まれた画像を分析する前に、ランダムサンプリングコンセンサスアルゴリズムを使用してカメラ２１２を較正し得る。ランダムサンプリングコンセンサスアルゴリズムは、較正プレートのビデオ取り込みシーケンスから理想的画像を選択するように構成され得る。本明細書で参照されるように、ビデオ取り込みシーケンスは、本明細書に記載される「ビデオサンプリング周期」及び「照明シーケンス」を集合的に指し得る。例えば、ユーザモバイルデバイス２０２は、カメラ２１２、ＬＥＤ２２０、及び／又は任意の他の好適なハードウェアを較正するために、ビデオ取り込みシーケンスを利用し得る。更に、ユーザモバイルデバイス２０２は、ユーザの皮膚表面の３Ｄ画像モデルを生成するために、ビデオ取り込みシーケンスを利用し得る。これらの実施形態では、ユーザモバイルデバイス２０２はまた、複数の反射物体（例えば、物体３１２）から反射された光線を経路追跡することによって、ＬＥＤ２２０を較正し得る。

いくつかの実施形態では、ユーザモバイルデバイス２０２は、短い撮像距離で画像を取り込み得る。例えば、短い撮像距離は、カメラとＲＯＩとの間の距離（例えば、開口２１８によって画定される）が３５ｍｍ以下であるように、３５ｍｍ以下であり得る。

いくつかの実施形態では、カメラ２１２は、ビデオ取り込みシーケンス中に画像を取り込み得、ＬＥＤ２２０の各異なるサブセットは、ビデオ取り込みシーケンス中に（例えば、照明シーケンスの一部として）順次アクティブ化及び順次非アクティブ化され得る。更に、これらの実施形態では、３Ｄ画像モデリングアルゴリズム１０８は、各画像について平均画素強度を演算し、各画像をそれぞれの最大平均画素強度と整合させ得る。例えば、前述されたように、皮膚科学的撮像デバイス１１０が２１個のＬＥＤ２２０を含む場合、３Ｄ画像モデリングアルゴリズム１０８は、２１個の画像を最大平均画素強度画像として指定し得る。更に、ＬＥＤ２２０及びカメラ２１２は、ビデオ取り込みシーケンス中にユーザモバイルデバイス２０２によって（例えば、モバイルアプリケーションを介して）非同期的に制御され得る。

任意選択のブロック７０４で、方法７００は、３Ｄ画像モデリングアルゴリズム１０８が、各画像に対応する照明の確率的円錐を推定することを含み得る。例えば、前述されたように、３Ｄ画像モデリングアルゴリズム１０８は、取り込まれた画像について照明の確率的円錐を推定するために、ユーザモバイルデバイス２０２（例えば、ユーザコンピューティングデバイス１１１ｃ１～１１１ｃ３及び／若しくは１１２ｃ１～１１２ｃ３のいずれか）並びに／又は撮像サーバ１０２のプロセッサを利用し得る。確率的円錐は、画像取り込み中にＲＯＩ上のＬＥＤ２２０からの推定された入射照明を表し得る。

ブロック７０６で、方法７００は、１つ以上のプロセッサによって、取り込まれた画像に基づいて、皮膚の一部分のトポグラフィ表現を定義する３Ｄ画像モデル（例えば、３Ｄ画像モデル６１０）を生成することを含み得る。３Ｄ画像モデルは、例えば、３Ｄ画像モデリングアルゴリズム１０８によって生成され得る。いくつかの実施形態では、３Ｄ画像モデリングアルゴリズム１０８は、３Ｄ画像モデルを、別のユーザの皮膚の一部分の別のトポグラフィ表現を定義する別の３Ｄ画像モデルと比較し得る。これらの実施形態では、他のユーザは、年齢又は皮膚状態をユーザと共有し得る。皮膚状態は、（ｉ）皮膚がん、（ｉｉ）日焼け、（ｉｉｉ）ざ瘡、（ｉｖ）乾燥症、（ｖ）脂漏症、（ｖｉ）湿疹、又は（ｖｉｉ）じんま疹のうちの少なくとも１つを含み得る。

いくつかの実施形態では、３Ｄ画像モデリングアルゴリズム１０８は、３Ｄ画像モデルが、皮膚タイプクラスを有するユーザのセットの皮膚に対応するトポグラフィ表現を定義することを判定し得る。概して、皮膚タイプクラスは、毛穴サイズ、赤み、瘢痕、病変数、そばかす密度、及び／又は任意の他の好適な特性若しくはそれらの組み合わせなどの、皮膚の任意の好適な特性に対応し得る。更なる実施形態では、皮膚タイプクラスは、皮膚の色に対応し得る。

様々な実施形態では、３Ｄ画像モデリングアルゴリズム１０８は、少なくとも１つの人工知能（ＡＩ）アルゴリズムで訓練されたＡＩベースモデルである。３Ｄ画像モデリングアルゴリズム１０８の訓練は、将来の画像を予測及び／又は分類するために使用される、３Ｄ画像モデリングアルゴリズム１０８の重みを構成するための訓練画像の画像分析を含む。例えば、本明細書の様々な実施形態では、３Ｄ画像モデリングアルゴリズム１０８の生成は、複数のユーザの複数の訓練画像で３Ｄ画像モデリングアルゴリズム１０８を訓練することを含み、訓練画像の各々は、それぞれのユーザの皮膚表面の画素データを含む。いくつかの実施形態では、サーバ又はクラウドベースのコンピューティングプラットフォーム（例えば、撮像サーバ１０２）の１つ以上のプロセッサは、コンピュータネットワーク（例えば、コンピュータネットワーク１２０）を介して、複数のユーザの複数の訓練画像を受信し得る。そのような実施形態では、サーバ及び／又はクラウドベースのコンピューティングプラットフォームは、複数の訓練画像の画素データで３Ｄ画像モデリングアルゴリズム１０８を訓練し得る。

様々な実施形態では、本明細書に記載されるような、機械学習撮像モデル（例えば、３Ｄ画像モデリングアルゴリズム１０８）は、教師あり若しくは教師なし機械学習プログラム又はアルゴリズムを使用して訓練され得る。機械学習プログラム又はアルゴリズムは、ニューラルネットワークを採用し得、そのニューラルネットワークは、畳み込みニューラルネットワーク、深層学習ニューラルネットワーク、又は特定の関心領域内での２つ以上の特徴若しくは特徴データセット（例えば、画素データ）を学習する混合学習モジュール若しくはプログラムであり得る。これらの機械学習プログラム又はアルゴリズムには、自然言語処理、意味解析、自動推論、回帰分析、サポートベクタマシン（support vector machine、ＳＶＭ）分析、決定樹解析、ランダムフォレスト分析、Ｋ近傍法分析、単純ベイズ分析、クラスタリング、強化学習、並びに／又は他の機械学習アルゴリズム及び／若しくは技術もまた含まれ得る。いくつかの実施形態では、人工知能及び／又は機械学習ベースのアルゴリズムは、撮像サーバ１０２上で実行されるライブラリ又はパッケージとして含まれ得る。例えば、ライブラリは、ＴＥＮＳＯＲＦＬＯＷベースのライブラリ、ＰＹＴＯＲＣＨライブラリ、及び／又はＳＣＩＫＩＴ－ＬＥＡＲＮ Ｐｙｔｈｏｎライブラリを含み得る。

機械学習は、後続のデータについて予測又は識別を行うこと（新しいユーザの皮膚表面の３Ｄ画像モデルを生成するために、新しいユーザの新しい画素データ上でモデルを使用することのような）を容易にするために、既存のデータにおけるパターンを識別すること及び認識すること（それぞれのユーザの皮膚表面の画素データを有する画像内の画素データに基づいてモデルを訓練することなど）を含み得る。

いくつかの実施形態について本明細書に記載される３Ｄ画像モデリングアルゴリズム１０８などの機械学習モデルは、試験レベル又は生産レベルのデータ又は入力などの新しい入力について、有効かつ信頼できる予測を行うために、例示的なデータ（例えば、「訓練データ」及び関連画素データ）の入力又はデータ（「特徴」及び「ラベル」と呼ばれ得る）に基づいて、作成及び訓練され得る。教師あり機械学習では、サーバ、コンピュータ処理デバイス、又はそうでなければプロセッサ上で動作する機械学習プログラムは、例示的な入力（例えば、「特徴」）、及びそれらの関連する又は観察される出力（例えば、「ラベル」）を提供されて、機械学習プログラム又はアルゴリズムは、例えば、モデルの様々な特徴カテゴリにわたって重み付け若しくは他の測定項目をそのモデルに対して決定すること及び／又は割り当てることによって、出力（例えば、ラベル）に対してそのような入力（例えば、「特徴」）をマッピングする規則、関係、パターン、又はそうでなければ機械学習「モデル」を決定又は発見し得る。次いで、そのような規則、関係、又はそうでなければモデルは、後続の入力が提供されて、そのモデルがサーバ、コンピュータ処理デバイス、又はそうでなければプロセッサ上で実行され、発見された規則、関係、又はモデルに基づいて、予想される出力を予測し得る。

教師なし機械学習では、サーバ、コンピュータ処理デバイス、又はそうでなければプロセッサは、ラベル付けされていない例示的な入力において、それ自体の構造を見出すことが必要とされ得、この場合、例えば、複数の訓練反復が、サーバ、コンピュータ処理デバイス、又はそうでなければプロセッサによって実行されて、満足なモデル、例えば、試験レベル又は生産レベルのデータ又は入力が与えられたときに、十分な予測正確度を提供するモデルが生成されるまで、複数世代のモデルを訓練する。本明細書の開示は、そのような教師あり又は教師なし機械学習技術のうちの一方又は両方を使用し得る。

画像分析は、１つ以上のユーザの皮膚表面の画像の画素データ上で、機械学習ベースのアルゴリズム（例えば、３Ｄ画像モデリングアルゴリズム１０８）を訓練することを含み得る。追加的、又は代替的に、画像分析は、ユーザの１つ以上の画像の画素データ（例えば、それらのＲＧＢ値を含む）に基づいて、特定のユーザの皮膚表面の３Ｄ画像モデルを生成するために、以前に訓練されたような、機械学習撮像モデルを使用することを含み得る。モデルの重みは、所与の画像のユーザ画素の様々なＲＧＢ値の分析を介して訓練され得る。例えば、暗い又は低いＲＧＢ値（例えば、値Ｒ＝２５、Ｇ＝２８、Ｂ＝３１を有する画素）は、ユーザの皮膚表面の比較的低いエリアを示し得る。赤の色調のＲＧＢ値（例えば、値Ｒ＝２１５、Ｇ＝９０、Ｂ＝８５を有する画素）は、刺激された皮膚を示し得る。より明るいＲＧＢ値（例えば、Ｒ＝１８１、Ｇ＝１７０、及びＢ＝１９１を有する画素）は、ユーザの皮膚の比較的上昇されたエリア（例えば、ざ瘡病変など）を示し得る。このようにして、何万もの訓練画像の画素データ（例えば、ユーザの皮膚表面の１つ以上の特徴を詳述する）は、特定のユーザの皮膚表面の３Ｄ画像モデルを生成するために、機械学習撮像アルゴリズムを訓練又は使用するために使用され得る。

ブロック７０８で、方法７００は、１つ以上のプロセッサ（例えば、ユーザモバイルデバイス２０２）によって、ユーザの皮膚の一部分の３Ｄ画像モデルに基づいて、ユーザ固有の推奨を生成することを含む。例えば、ユーザ固有の推奨は、製造された製品についてユーザ固有の製品推奨であり得る。したがって、製造された製品は、ユーザの皮膚の一部分の画素データ内で識別可能な少なくとも１つの特徴に対処するように設計され得る。いくつかの実施形態では、ユーザ固有の推奨は、ユーザが皮膚の一部分に製品を適用すること、又は皮膚の一部分に関する医療アドバイスを求めることを推奨する。例えば、３Ｄ画像モデリングアルゴリズム１０８が、ユーザの皮膚の一部分が皮膚がんを示す特性を含むと判定した場合、３Ｄ画像モデリングアルゴリズム１０８は、直ちに医療処置を求めるようにユーザにアドバイスするユーザ固有の推奨を生成し得る。

いくつかの実施形態では、ユーザモバイルデバイス２０２は、ユーザの皮膚の一部分の第２の複数の画像を取り込み得る。ユーザモバイルデバイス２０２のカメラ２１２は、画像を取り込み得、第２の複数の各画像は、ＬＥＤ２２０の異なるサブセットによって照明され得る。次いで、３Ｄ画像モデリングアルゴリズム１０８は、第２の複数の画像に基づいて、皮膚の一部分の第２のトポグラフィ表現を定義する第２の３Ｄ画像モデルを生成し得る。更に、３Ｄ画像モデリングアルゴリズム１０８は、ユーザ固有の推奨を生成するために、第１の３Ｄ画像モデルを第２の３Ｄ画像モデルと比較し得る。例えば、ユーザは、最初に、（例えば、図５Ａに例示されるように）ざ瘡病変を含む皮膚表面の第１の画像のセットを取り込み得る。数日後に、ユーザは、ざ瘡病変を含む皮膚表面の第２の画像のセットを取り込み得、３Ｄ画像モデリングアルゴリズムは、第１の画像のセットと第２の画像のセットとを比較することによって、数日間にわたるざ瘡病変の体積／高さの低減を計算し得る。別の実施例として、３Ｄ画像モデリングアルゴリズム１０８は、ユーザの皮膚の一部分の粗さ測定値を追跡するために、第１の画像セットと第２の画像セットとを比較し得、経時的なしわ、ほくろなどの発現を追跡するために更に適用され得る。他の実施例は、反応を鎮める際の抗ヒスタミン剤の有効性を測定するために、皮膚病変（例えば、図５Ｂに例示される光線性角化症病変）における微起伏、アレルギー反応によって引き起こされる皮膚発疹（例えば、図５Ｃに例示されるアレルギー発疹）を、皮膚表面を治癒させることを意図した薬剤の有効性を判定するために、瘢痕及び瘢痕組織を追跡することを、リップバームの有効性を測定するために、荒れた唇／皮膚フレークを追跡／研究すること、及び／又は任意の他の好適な目的又はそれらの組み合わせを含み得る。

いくつかの実施形態では、ユーザモバイルデバイス２０２は、ユーザモバイルデバイス２０２の１つ以上のプロセッサによって実行可能である命令を含むモバイルアプリケーションを実行し得る。モバイルアプリケーションは、ユーザモバイルデバイス２０２の非一時的コンピュータ可読媒体上に格納され得る。命令は、１つ以上のプロセッサによって実行されるときに、１つ以上のプロセッサに、ユーザモバイルデバイス２０２のディスプレイ画面上に３Ｄ画像モデルをレンダリングさせ得る。命令は、１つ以上のプロセッサに、３Ｄ画像モデルの特徴をテキストで記述するか又はグラフィカルに例示する出力をディスプレイ画面上に更にレンダリングさせ得る。

いくつかの実施形態では、３Ｄ画像モデリングアルゴリズム１０８は、それぞれのユーザの皮膚の一部分のトポグラフィ表現を各々が描写する複数の３Ｄ画像モデルで訓練され得る。３Ｄ画像モデリングアルゴリズム１０８は、皮膚の一部分の３Ｄ画像モデル（例えば、３Ｄ画像モデル６１０）を分析することによって、ユーザ固有の推奨を生成するように訓練され得る。更に、ユーザモバイルデバイス２０２上に格納されたコンピューティング命令は、デバイス２０２の１つ以上のプロセッサによって実行されるときに、１つ以上のプロセッサに、皮膚の一部分の３Ｄ画像モデルに基づいてユーザ固有の推奨を生成するために、３Ｄ画像モデリングアルゴリズム１０８で３Ｄ画像モデルを分析させ得る。ユーザモバイルデバイス２０２は、追加的に、３Ｄ画像モデルを受信し、カメラ２１２による複数の画像の取り込み時又は取り込み後にリアルタイム又はほぼリアルタイムで３Ｄ画像モデルをレンダリングするように構成されたディスプレイ画面を含み得る。

グラフィカル表示の実施例として、図８は、本明細書に開示される様々な実施形態による、ユーザモバイルデバイス２０２のディスプレイ画面８００上にレンダリングされるような例示的なユーザインターフェース８０２を例示する。例えば、図８の実施例に示されるように、ユーザインターフェース８０２は、ユーザモバイルデバイス２０２上で実行されるアプリケーション（アプリ）を介して、実装又はレンダリングされ得る。

図８の実施例に示されるように、ユーザインターフェース８０２は、ユーザモバイルデバイス２０２上で実行されるネイティブアプリを介して、実装又はレンダリングされ得る。図８の実施例では、ユーザモバイルデバイス２０２は、図１及び図２について記載されたようなユーザコンピューティングデバイスであり、例えば、ユーザコンピューティングデバイス１１１ｃ１及びユーザモバイルデバイス２０２は、ＡＰＰＬＥ ｉＯＳオペレーティングシステムを実装するＡＰＰＬＥ ｉＰｈｏｎｅとして例示され、ユーザモバイルデバイス２０２は、ディスプレイ画面８００を有する。ユーザモバイルデバイス２０２は、そのオペレーティングシステム上で１つ以上のネイティブアプリケーション（アプリ）を実行し得る。そのようなネイティブアプリは、ユーザモバイルデバイス２０２のプロセッサによって、ユーザコンピューティングデバイスオペレーティングシステム（例えば、ＡＰＰＬＥ ｉＯＳ）によって実行可能なコンピューティング言語（例えば、ＳＷＩＦＴ）において実装又はコード化（例えば、コンピューティング命令として）され得る。追加的、又は代替的に、ユーザインターフェース８０２は、ウェブインターフェースを介して、例えば、ウェブブラウザアプリケーション、例えば、Ｓａｆａｒｉ及び／若しくはＧｏｏｇｌｅ Ｃｈｒｏｍｅアプリ、又は他のそのようなウェブブラウザなどを介して、実装又はレンダリングされ得る。

図８の実施例に示されるように、ユーザインターフェース８０２は、ユーザの皮膚のグラフィカル表現（例えば、３Ｄ画像モデル６１０）を含む。グラフィカル表現は、本明細書に記載されるように、３Ｄ画像モデリングアルゴリズム１０８によって生成されるようなユーザの皮膚表面の３Ｄ画像モデル６１０であり得る。図８の実施例では、ユーザの皮膚表面の３Ｄ画像モデル６１０は、ユーザの皮膚表面のトポグラフィ表現に対応する、１つ以上のグラフィックス（例えば、画素データ６１０ａｐのエリア）、テキストレンダリング、及び／若しくは任意の他の好適なレンダリング、又はそれらの組み合わせで注釈が付けられ得る。テキストレンダリングタイプ又は値が、例えば、皮膚の示された部分の粗さ測定値（例えば、画素６１０ａｐ２における）、ざ瘡病変の体積／高さにおける変化（例えば、画素６１０ａｐ１における）などとしてレンダリングされ得る場合、他のグラフィカル／テキストレンダリングタイプ又は値が本明細書で企図されることを理解されたい。追加的、又は代替的に、色値は、ユーザの皮膚表面のトポグラフィ特徴を示すために、ユーザインターフェース８０２上に示されるグラフィカル表現（例えば、３Ｄ画像モデル６１０）上で使用及び／又はオーバーレイされ得る（例えば、経時的なトポグラフィカル特徴における変化を詳述する熱マッピング）。

他のグラフィカルオーバーレイは、例えば、３Ｄ画像モデル６１０上にオーバーレイされた特定の色彩配合が、経時的なトポグラフィカル特徴移動の大きさ若しくは方向、及び／又は３Ｄ画像モデル６１０内の特徴間の寸法差（例えば、特徴間の高さ差）を示す、熱マッピングを含み得る。３Ｄ画像モデル６１０はまた、矢印及び／又は他のグラフィカルオーバーレイによって示される相対的な大きさ及び／又は方向に注釈を付けるように構成されたテキストオーバーレイを含み得る。例えば、３Ｄ画像モデル６１０は、矢印及び／又は他のグラフィカル表現によって示される特徴を記載するために、「日焼け」、「ざ瘡病変」、「ほくろ」、「瘢痕組織」などのテキストを含み得る。追加的又は代替的に、３Ｄ画像モデル６１０は、矢印及び／又は他のグラフィカルインジケータを補足するために、パーセンテージスケール又は他の数値インジケータを含み得る。例えば、３Ｄ画像モデル６１０は、０％～１００％の皮膚粗さ値を含み得、ここで、０％は、特定の皮膚表面部分についての最小皮膚粗さを表し、１００％は、特定の皮膚表面部分についての最大皮膚粗さを表す。値は、６７％の皮膚粗さ値が、同じ３Ｄ画像モデル６１０又は（同じ若しくは異なるユーザ及び／又は皮膚の一部分の）異なる３Ｄ画像モデル内の１つ以上の異なる画素について検出された１０％の皮膚粗さ値よりも高い皮膚粗さ値を有する３Ｄ画像モデル６１０内で検出された１つ以上の画素を表す、このマップにわたって変動することができる。更に、パーセンテージスケール又は他の数値インジケータは、３Ｄ画像モデリングアルゴリズム１０８がグラフィカルインジケータ、テキストインジケータ、及び／若しくは他のインジケータ又はそれらの組み合わせのサイズ及び／若しくは方向を判定するときに、内部的に使用され得る。

例えば、画素データ６１０ａｐのエリアは、３Ｄ画像モデリングアルゴリズム１０８によって画素データ（例えば、特徴データ及び／又は生画素データ）内で識別されたエリア又は特徴を強調するために、３Ｄ画像モデル６１０の上に注釈が付けられるか又はオーバーレイされ得る。図８の実施例では、画素データ６１０ａｐのエリア内で識別される特徴は、皮膚表面異常（例えば、ほくろ、ざ瘡病変など）、皮膚の刺激（例えば、アレルギー反応）、皮膚タイプ（例えば、推定年齢値）、皮膚色調、及び画素データ６１０ａｐのエリア内に示される他の特徴を含み得る。様々な実施形態では、画素データ６１０ａｐ内の特定の特徴として識別された画素（例えば、画素６１０ａｐ１及び画素６１０ａｐ２）は、レンダリングされるときに、強調されるか、又は別な方法で注釈が付けられ得る。

ユーザインターフェース８０２はまた、ユーザ固有の推奨８１２を含むか、又はレンダリングし得る。図８の実施形態では、ユーザ固有の推奨８１２は、ユーザの皮膚表面の画素データ（例えば、画素データ６１０ａｐ）内で識別可能な特徴に対処するように設計された、ユーザへのメッセージ８１２ｍを含む。図８の実施例に示されるように、メッセージ８１２ｍは、ユーザの皮膚表面が脱水されていることが示された３Ｄ画像モデリングアルゴリズム１０８の分析に基づいて、ユーザが自分の皮膚を保湿して若返らせるために水和ローションを適用することについて製品推奨を含む。製品推奨は、画素データ内の識別された特徴（例えば、皮膚の脱水を緩和するための水和ローション）に相関され得、ユーザモバイルデバイス２０２は、特徴（例えば、皮膚の脱水、日焼けなど）が識別されるときに、製品推奨を出力するように命令され得る。前述されたように、ユーザモバイルデバイス２０２は、３Ｄ画像モデリングアルゴリズム１０８が、ユーザが医学的見解を必要とする／所望し得る医学的状態（例えば、皮膚がん）を示す画素データ内の特徴を識別する場合において、ユーザが医療処置／アドバイスを求めるための推奨を含み得る。

ユーザインターフェース８０２はまた、製造された製品８２４ｒ（例えば、上述されたように、水和／保湿ローション）について製品推奨８２２のためのセクションを含むか、又はレンダリングし得る。製品推奨８２２は、概して、上述されたように、ユーザ固有の推奨１２に対応する。例えば、図８の実施例では、ユーザ固有の推奨８１２は、ユーザの皮膚表面の画素データ（例えば、画素データ６１０ａｐ）において識別可能な少なくとも１つの特徴（例えば、画素６１０ａｐ１、６１０ａｐ２における皮膚脱水）を、製造された製品（製造された製品８２４ｒ（例えば、水和／保湿ローション））で処置するための命令（例えば、メッセージ８１２ｍ）とともに、ユーザモバイルデバイス２０２のディスプレイ画面８００上に表示され得る。

図８に示されるように、ユーザインターフェース８０２は、ユーザ固有の推奨８１２に基づいて、製品（例えば、製造された製品８２４ｒ（例えば、水和／保湿ローション））について推奨を提示する。図８の実施例では、３Ｄ画像モデリングアルゴリズム１０８を使用する画像（例えば、皮膚表面画像６００）の出力又は分析は、対応する製品について推奨を生成又は識別するために、使用され得る。そのような推奨は、３Ｄ画像モデリングアルゴリズム１０８によって画素データ内で検出された特徴に対処するために、水和／保湿ローション、角質除去剤、日焼け止め、クレンザー、シェービングジェルなどの製品を含み得る。図４の実施例では、ユーザインターフェース８０２は、３Ｄ画像モデリングアルゴリズム１０８によって判定された、推奨される製品（例えば、製造された製品８２４ｒ）、並びに３Ｄ画像モデル６１０及びその画素データ及び様々な特徴のその関連する画像分析をレンダリング又は提供する。図８の実施例では、これは、ユーザインターフェース８０２上に示され、注釈が付けられる（８２４ｐ）。

ユーザインターフェース８０２は、ユーザが、対応する製品（例えば、製造された製品８２４ｒ）を購入又は出荷するために選択することを可能にする、選択可能なＵＩボタン８２４ｓを更に含み得る。いくつかの実施形態では、選択可能なＵＩボタン８２４ｓの選択は、推奨される製品をユーザに出荷させ得、かつ／又はユーザが製品に関心があることを第三者に通知し得る。例えば、ユーザモバイルデバイス２０２及び／又は撮像サーバ１０２のいずれかは、ユーザ固有の推奨８１２に基づいて、ユーザへの出荷について製造された製品８２４ｒ（例えば、水和／保湿ローション）を開始し得る。そのような実施形態では、製品は包装され、ユーザに出荷され得る。

様々な実施形態では、グラフィカル注釈（例えば、画素データ６１０ａｐのエリア）を有するグラフィカル表現（例えば、３Ｄ画像モデル６１０）、及びユーザ固有の推奨８１２は、ディスプレイ画面８００上でレンダリングするために、コンピュータネットワークを介して（例えば、撮像サーバ１０２及び／又は１つ以上のプロセッサから）ユーザモバイルデバイス２０２に伝送され得る。他の実施形態では、ユーザの特定画像の撮像サーバ１０２への伝送は行われず、ユーザ固有の推奨（及び／又は製品固有の推奨）は、代わりに、ユーザモバイルデバイス２０２上で実行及び／又は実装される３Ｄ画像モデリングアルゴリズム１０８によってローカルに生成され、モバイルデバイスのプロセッサによってユーザモバイルデバイス２０２のディスプレイ画面８００上でレンダリングされ得る。

いくつかの実施形態では、図８の実施例に示されるように、ユーザは、新しい画像を（例えば、ユーザモバイルデバイス２０２でローカルに、又は撮像サーバ１０２で遠隔に）再分析するために選択可能なボタン８１２ｉを選択し得る。選択可能なボタン８１２ｉは、ユーザインターフェース８０２に、新しい画像を取り込むためにユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせをユーザの皮膚表面上に位置決めし、及び／又はユーザがアップロードのために新しい画像を選択するように、ユーザに促させ得る。ユーザモバイルデバイス２０２及び／又は撮像サーバ１０２は、ユーザ固有の推奨８１２に提示される治療選択肢／提案の一部又は全てを実行する前、その間、及び／又はその後に、ユーザの新しい画像を受信し得る。新しい画像（例えば、ちょうど皮膚表面画像６００のような）は、ユーザの皮膚表面の画素データを含み得る。ユーザモバイルデバイス２０２のメモリ上で実行される３Ｄ画像モデリングアルゴリズム１０８は、ユーザの皮膚表面の新しい３Ｄ画像モデルを生成するために、ユーザモバイルデバイス２０２と皮膚科学的撮像デバイス１１０との組み合わせによって取り込まれた新しい画像を分析し得る。ユーザモバイルデバイス２０２は、新しい３Ｄ画像モデルに基づいて、新しい３Ｄ画像モデルの画素データ内で識別可能な特徴に関する新しいユーザ固有の推奨又はコメントを生成し得る。例えば、新しいユーザ固有の推奨は、グラフィックス及び／又はテキストを含む新しいグラフィカル表現を含み得る。新しいユーザ固有の推奨は、追加的な推奨、例えば、ユーザが、皮膚表面の一部分に関連付けられた腫れを低減するために推奨される製品を適用し続けるべきであること、ユーザが、任意のアレルギー発疹を排除するために推奨される製品を利用すべきであること、ユーザが、現在の日焼けの悪化を回避するために皮膚表面を太陽光に晒す前に日焼け止めを適用すべきであることなどを含み得る。コメントは、ユーザが画素データ内で識別可能な少なくとも１つの特徴を修正したこと（例えば、ユーザは、推奨される製品を適用した後に皮膚刺激がほとんど又は全く有さない）を含み得る。

いくつかの実施形態では、新しいユーザ固有の推奨又はコメントは、ユーザモバイルデバイス２０２のディスプレイ画面８００上でレンダリングするために、ユーザのユーザモバイルデバイス２０２にコンピュータネットワークを介して伝送され得る。他の実施形態では、ユーザの新しい画像の撮像サーバ１０２への伝送は行われず、新しいユーザ固有の推奨（及び／又は製品固有の推奨）は、代わりに、ユーザモバイルデバイス２０２上で実行及び／又は実装される３Ｄ画像モデリングアルゴリズム１０８によってローカルに生成され、ユーザモバイルデバイス２０２のプロセッサによってユーザモバイルデバイス２０２のディスプレイ画面８００上でレンダリングされ得る。

加えて、特定の実施形態は、論理又はいくつかのルーチン、サブルーチン、アプリケーション、又は命令を含むものとして本明細書に記載されている。これらは、ソフトウェア（例えば、機械可読媒体上に若しくは送信信号内に具現化されたコード）又はハードウェアのいずれかを構築し得る。ハードウェアでは、ルーチンなどは、特定の動作を実施することが可能な有形のユニットであり、特定の様式で構成又は配設され得る。例示的な実施形態では、１つ以上のコンピュータシステム（例えば、スタンドアロン、クライアント若しくはサーバコンピュータシステム）又はコンピュータシステムの１つ以上のハードウェアモジュール（例えば、プロセッサ若しくはプロセッサのグループ）が、本明細書に記載されるような特定の動作を実施するように動作するハードウェアモジュールとしてソフトウェア（例えば、アプリケーション若しくはアプリケーション部分）によって構成され得る。

本明細書に記載される例示的方法の様々な動作は、少なくとも部分的に、関連する動作を実施するように一時的に構成された（例えば、ソフトウェアによって）又は恒久的に構成された１つ以上のプロセッサによって実施され得る。一時的に構成されたか、又は恒久的に構成されたかにかかわらず、このようなプロセッサは、１つ以上の動作若しくは機能を実施するように動作するプロセッサ実装モジュールを形成し得る。本明細書で言及されるモジュールは、いくつかの例示的な実施形態では、プロセッサ実装モジュールを含み得る。

同様に、本明細書に記載される方法又はルーチンは、少なくとも部分的にプロセッサ実装され得る。例えば、ある方法の動作のうちの少なくともいくつかは、１つ以上のプロセッサ又はプロセッサ実装ハードウェアモジュールによって実施され得る。それらの動作の特定の性能は、１つ以上のプロセッサに分散され得、単一のマシン内に存在するだけでなく、多数のマシンにわたって展開され得る。いくつかの例示的な実施形態では、プロセッサ（単数又は複数）は、単一の場所に配置され得、これに対して、他の実施形態では、プロセッサは、いくつかの場所にわたって分散され得る。

それらの動作の特定の性能は、１つ以上のプロセッサに分散され得、単一のマシン内に存在するだけでなく、多数のマシンにわたって展開され得る。いくつかの例示的な実施形態では、１つ以上のプロセッサ又はプロセッサ実装モジュールが、単一の地理的場所（例えば、家庭環境、オフィス環境、又はサーバファーム内）に配置され得る。他の実施形態では、１つ以上のプロセッサ又はプロセッサ実装モジュールは、多数の地理的場所にわたって分散され得る。

本明細書に開示される寸法及び値は、列挙された正確な数値に厳密に限定されるものとして理解されるべきではない。その代わりに、特に指示されない限り、そのような寸法は各々、列挙された値とその値を囲む機能的に同等な範囲との両方を意味することが意図される。例えば、「３５ｍｍ」として開示された寸法は、「約３５ｍｍ」を意味することが意図される。

相互参照される又は関連するあらゆる特許又は特許出願、及び本願が優先権又はその利益を主張する任意の特許出願又は特許を含む、本明細書に引用される全ての文書は、除外又は限定することが明言されない限りにおいて、参照によりその全体が本明細書に組み込まれる。いずれの文献の引用も、本明細書中で開示又は特許請求されるいずれの発明に対する先行技術であるともみなされず、あるいはそれを単独で又は他の任意の参考文献（単数又は複数）と組み合わせたときに、そのようないずれの発明も教示、示唆又は開示するとはみなされない。更に、本文書における用語のいずれの意味又は定義も、参照により組み込まれた文書内の同じ用語の任意の意味又は定義と矛盾する場合、本文書においてその用語に与えられた意味又は定義が適用されるものとする。

本発明の特定の実施形態を例示及び説明してきたが、本発明の趣旨及び範囲から逸脱することなく様々な他の変更及び修正を行うことができる点は当業者には明白であろう。したがって、本発明の範囲内にある全てのそのような変更及び修正を添付の特許請求の範囲に網羅することが意図される。

Claims (15)

1. 皮膚表面の三次元（３Ｄ）画像モデルを生成するように構成された皮膚科学的撮像システムであって、前記皮膚科学的撮像システムは、
   ａ）皮膚科学的撮像デバイスであって、
   ｉ）ユーザの皮膚の一部分の周辺で位置決められるように構成された複数の発光ダイオード（ＬＥＤ）と、
   ｉｉ）前記皮膚の一部分に焦点を合わせるように構成された１つ以上のレンズと、を備える、皮膚科学的撮像デバイスと、
   ｂ）コンピュータアプリケーション（アプリ）であって、プロセッサ上で実行されるときに、前記プロセッサに、
   ｉ）前記皮膚の一部分の複数の画像を分析することであって、前記複数の画像は、前記１つ以上のレンズを通って延在する撮像軸を有するカメラによって取り込まれ、前記複数の画像のうちの各画像は、前記複数のＬＥＤの異なるサブセットによって照明される、ことと、
   ｉｉ）前記複数の画像に基づいて、前記皮膚の一部分のトポグラフィ表現を定義する３Ｄ画像モデルを生成することと、を実行させるコンピューティング命令を含む、コンピュータアプリケーション（アプリ）と、を備える、皮膚科学的撮像システム。
2. 前記複数のＬＥＤの各異なるサブセットによって提供される前記照明は、異なる照明角度から前記皮膚の一部分を照明し、前記複数の画像のうちの各画像は、前記異なる照明角度からの前記照明の結果として前記皮膚の一部分上に投影される異なる影のセットを特徴とする、請求項１に記載のシステム。
3. 前記コンピュータアプリケーションは、プロセッサ上で実行されるときに、前記プロセッサに、前記３Ｄ画像モデルを、第２のユーザの皮膚の一部分の別のトポグラフィ表現を定義する少なくとも１つの他の３Ｄ画像モデルと更に比較させるコンピューティング命令を含み、前記第２のユーザは、年齢又は皮膚状態を前記ユーザと共有する、請求項１又は２に記載の皮膚科学的撮像システム。
4. 前記コンピュータアプリケーションは、プロセッサ上で実行されるときに、前記プロセッサに、前記３Ｄ画像モデルが皮膚タイプクラスを有するユーザのセットの皮膚に対応するトポグラフィ表現を定義することを更に判定させるコンピューティング命令を含む、請求項１～３のいずれか一項に記載の皮膚科学的撮像システム。
5. 前記複数の画像の各々は、短い撮像距離、好ましくは３５ｍｍ以下で前記カメラによって取り込まれる、請求項１～４のいずれか一項に記載の皮膚科学的撮像システム。
6. 前記カメラは、ビデオ取り込みシーケンス中に前記複数の画像を取り込み、前記複数のＬＥＤの各異なるサブセットは、前記ビデオ取り込みシーケンス中に順次アクティブ化及び順次非アクティブ化され、前記コンピューティング命令は、前記１つ以上のプロセッサによって実行されるときに、前記１つ以上のプロセッサに、
   前記複数の画像のうちの各画像について平均画素強度を演算することと、
   前記複数の画像の各々をそれぞれの最大平均画素強度と整合させることと、を更に実行させる、請求項１～５のいずれか一項に記載の皮膚科学的撮像システム。
7. 前記複数のＬＥＤ及び前記カメラは、前記ビデオ取り込みシーケンス中に前記コンピュータアプリケーションによって非同期的に制御される、請求項６に記載の皮膚科学的撮像システム。
8. １つ以上のプロセッサと、
   前記１つ以上のプロセッサに通信可能に結合された１つ以上のメモリと、
   それぞれのユーザの皮膚の一部分のトポグラフィ表現を各々が描写する複数の３Ｄ画像モデルで訓練された撮像モデルであって、前記皮膚の一部分の前記３Ｄ画像モデルを分析することによってユーザ固有の推奨を生成するように訓練された、撮像モデルと、
   前記１つ以上のプロセッサによって実行可能であり、前記１つ以上のメモリに格納されたコンピューティング命令であって、前記コンピューティング命令は、前記１つ以上のプロセッサによって実行されるときに、前記１つ以上のプロセッサに、前記皮膚の一部分の前記３Ｄ画像モデルに基づいて、前記ユーザ固有の推奨を生成するように、前記撮像モデルで、前記３Ｄ画像モデルを分析させる、コンピューティング命令と、を更に備える、請求項１～７のいずれか一項に記載の皮膚科学的撮像システム。
9. 前記システムは、前記皮膚の一部分の前記３Ｄ画像モデルに基づいて、ユーザ固有の推奨を生成するように構成される、請求項１～８のいずれか一項に記載の皮膚科学的撮像システム。
10. 前記複数の画像は、第１の複数の画像であり、前記３Ｄ画像モデルは、第１の３Ｄ画像モデルであり、前記皮膚の一部分の前記トポグラフィ表現は、前記皮膚の一部分の第１のトポグラフィ表現であり、ユーザ固有の推奨を生成することは、
    ａ）前記カメラによって取り込まれた前記皮膚の一部分の第２の複数の画像を前記アプリで分析することであって、前記第２の複数の画像のうちの各画像は、前記複数のＬＥＤの異なるサブセットによって照明される、ことと、
    ｂ）前記第２の複数の画像に基づいて、前記皮膚の一部分の第２のトポグラフィ表現を定義する第２の３Ｄ画像モデルを生成することと、を含む、請求項１に記載の皮膚科学的撮像システム。
11. 前記複数のＬＥＤの少なくとも１つの異なるサブセットは、第１の照明強度で前記皮膚の一部分を照明し、前記複数のＬＥＤの少なくとも１つの異なるサブセットは、前記第１の照明強度とは異なる第２の照明強度で前記皮膚の一部分を照明する、請求項１～１０のいずれか一項に記載の皮膚科学的撮像システム。
12. 前記カメラは、較正プレートのビデオ取り込みシーケンスから１つ以上の理想的画像を選択するように構成されたランダムサンプリングコンセンサスアルゴリズムを使用して較正される、請求項１～１１のいずれか一項に記載の皮膚科学的撮像システム。
13. 前記ユーザの前記皮膚の一部分の前記複数の画像を分析することは、前記複数の画像のうちの各画像に対応する照明の確率的円錐を、前記１つ以上のプロセッサによって、推定することを更に含む、請求項１～１２のいずれか一項に記載の皮膚科学的撮像システム。
14. 前記複数のＬＥＤの各々は、前記１つ以上のプロセッサを使用して、複数の反射物体から反射された１つ以上の光線を経路追跡することによって較正される、請求項１～１３のいずれか一項に記載の皮膚科学的撮像システム。
15. 皮膚表面の三次元（３Ｄ）画像モデルを生成するための皮膚科学的撮像方法であって、請求項１～１４のいずれか一項に記載のシステムで、１つ以上のプロセッサによって、ユーザの皮膚の一部分の複数の画像を分析することを含む、方法。

Images