نوع مقاله : مقاله کامل پژوهشی

نویسندگان

• مریم عاشوری ¹
• رضا آقایی زاده ظروفی ¹
• محمد صادقی ²

¹ قطب علمی کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشکده فنی، دانشگاه تهران، تهران، ایران

² مجتمع بیمارستانی امام خمینی، دانشگاه علوم پزشکی تهران، تهران، ایران

چکیده

در حال حاضر رشد سریع صنعت زیبایی در کنار توسعه مدل‌های هوشمند مبتنی بر الگوریتم-های یادگیری ماشین، منجر به افزایش تحقیقات گسترده در این حوزه شده است. جراحی زیبایی بینی یکی از رایج‌ترین و چالش برانگیزترین جراحی‌های زیبایی چهره است زیرا بینی برجسته-ترین عنصر چهره بوده که تاثیر زیادی بر جذابیت آن دارد. هدف این مقاله ارائه چارچوبی مبتنی بر یادگیری ماشین برای پیش بینی نمره زیبایی بینی است. در این مقاله تعدادی از پارامتر‌های هندسی بینی در ارتباط با کل چهره، به‌عنوان ورودی و نظر انسان به‌عنوان خروجی به الگوریتم-های رگرسیونی متداول یادگیری ماشین داده شده است. سپس یک مطالعه فرسایشی جهت بررسی تاثیر شکل چهره، رنگ و بافت پوست بر زیبایی بینی انجام شده است. طبقه‌بند پرسپترون چند لایه، خوشه بندی k-means و ماتریس هم رخدادی سطح خاکستری برای استخراج شکل چهره، رنگ پوست و بافت آن استفاده گردیده است. نتایج نشان می‌دهد که مدل مبتنی بر پارامترهای هندسی، همبستگی متوسطی با نظر انسان دارد و با افزودن هر زیر مجموعه‌ای از مجموعه ویژگی‌های شکل چهره، رنگ و بافت پوست همبستگی مدل حاصل شده، تا رسیدن به درجه بالای همبستگی افزایش می‌یابد. همچنین نتایج بیانگر آن است که الگوریتم جنگل تصادفی در بین سایر الگوریتم‌ها بهترین عملکرد را بر اساس معیارهای ارزیابی میانگین مطلق خطا، ریشه میانگین مربعات خطا و همبستگی پیرسون دارد. نتایج مطالعه نشان می‌دهد که چارچوب ارائه شده می‌تواند به تعیین میزان زیبایی بینی در چهره افراد کمک نماید.

کلیدواژه‌ها

• زیبایی بینی
• یادگیری ماشین
• پارامترهای هندسی
• شکل چهره
• رنگ پوست
• بافت پوست

موضوعات

• پردازش تصاویر پزشکی

عنوان مقاله [English]

A Novel Framework for Predicting the Score of Nasal Aesthetic based on Machin Learning Algorithms

نویسندگان [English]

• Maryam Ashoori ¹
• Reza Aghaizadeh Zoroofi ¹
• Mohammad Sadeghi ²

¹ Control and Intelligent Processing Center of Excellence, School of Electrical and Computer Engineering, College of Engineering, University of Tehran, Tehran, Iran

² Imam Khomeini Hospital Complex, Tehran University of Medical Sciences, Tehran, Iran

چکیده [English]

Currently, the rapid growth of the beauty industry, along with the development of intelligent models based on machine learning algorithms, has led to an increase in extensive research in this field. Rhinoplasty is one of the most common and demanding facial cosmetic surgeries because the nose is the most prominence element of the face, which has a great impact on its attractiveness. The purpose of this article is to present a machine learning-based framework for predicting nasal aesthetic evaluation. In this article, a set of geometric parameters of the nose relative to the entire face are given as input and human rating as output to the popular machine learning regression algorithms. An ablation study was then carried out to examine the influence of facial shape, skin color, and texture on the beauty of the nose. Multilayer perceptron classification, K-means clustering, and grey level co-occurrence matrix were used to extract facial shape, skin color, and texture. The results show that the model based on geometric parameters has a moderate correlation with human rating, and by adding each subset of the features of face shape, color, and skin texture, the correlation of the obtained model increases until a high degree of correlation is achieved. The results also show that the random forest algorithm has the best performance among other algorithms based on the evaluation criteria of absolute mean error, root mean square error, and Pearson correlation. The results of this study show that the proposed framework can be helpful in determining the beauty of the nose.

کلیدواژه‌ها [English]

• Nasal aesthetic
• Machin learning
• Geometric parameters
• Face shape
• Skin color
• Skin texture