以头皮状态信息为基础的头皮类型诊断系统以及利用所述系统的头皮改善方法与流程

本发明涉及一种以头皮状态信息为基础的头皮类型诊断系统以及利用所述系统的头皮改善方法，尤其涉及一种将所测定到的头皮问诊数据以及头皮影像图像传送至服务器进行存储，并将所存储的头皮问诊数据以及头皮影像图像在推荐服务用服务器以及人工智能(ai，artificial intelligence)服务器中进行共享而对头皮问诊数据以及头皮影像图像进行诊断分析，从而准确地对头皮状态信息进行分析，进而以此为基础对头皮类型进行诊断并根据所诊断的头皮类型实现头皮改善方法，同时根据头皮类型推荐适当产品的以头皮状态信息为基础的头皮类型诊断系统以及利用所述系统的头皮改善方法。在本发明中，“头皮状态信息”定义为①微细角质(micro keratin)、②皮脂过多(excessive sebum)、③毛囊间红斑(erythema between hairfollicles)、④毛囊红斑(follicular erythema)、⑤脓疱(pustules)、⑥头屑(dandruffy)以及⑦脱发(hair loss；low hair density or small hairthickness)，“头皮类型”定义为①良好(正常)、②干性、③油性、④敏感性、⑤特应性、⑥脂溢性、⑦疾病性、⑧干性头屑性、⑨油性头屑性以及⑩脱发性等10种。

背景技术：

1、目前如图1以及图2所示，是通过由诊断者利用肉眼对各个项目的标准影像与诊断影像进行比较而查找出类似影像并手动地选择诊断值。

2、即，在使用者利用诊断设备测定头皮影像之后无法实时地对各个诊断项目(例如干性、敏感性、炎症性、脱发性、良好、油性、皮屑性以及脂溢性)的诊断结果进行确认，而是需要在日后单独确认，而且需要在由专家进行肉眼比较之后输入对头皮测定数据的分析以及诊断结果才可以获得最终诊断结果(例如，各个项目中的炎症性)。

3、如上所述的现有技术，具有获得诊断结果的速度较慢且准确度较低(不足70％)的问题。

4、为了解决如上所述的现有问题，本技术人(发明人)开发出了“利用大数据的人工智能头皮影像诊断分析系统以及利用所述系统的产品推荐系统”并在韩国专利厅以专利第10-2271558号(以下称之为“引证文件”)获得授权。

5、但是，在所述引证文件中，虽然可以利用诊断者所测定到的头皮影像通过人工智能(深度学习)图像分析实现准确的诊断功能、实时确认诊断结果并获得高准确度的诊断结果，而且可以根据利用人工智能诊断的诊断结果推荐适合于头皮状态的产品，但是为了通过人工智能(ai)对诊断者所测定到的头皮图像进行分析而需要经由主处理器，因此，这并不利于分析的效果以及速度等，在通过人工智能(ai)对头皮进行诊断时以头皮状态信息为基础的头皮类型诊断并不够多样化和具体化，并没有提供基于头皮状态信息严重程度的诊断结果，而且没有提供基于所述诊断结果的头皮改善方法。

技术实现思路

1、技术问题

2、本发明旨在解决如上所述的问题，本发明的目的在于对韩国专利第10-2271558号(名称：利用大数据的人工智能头皮影像诊断分析系统以及利用所述系统的产品推荐系统)进行改良而提供一种以头皮状态信息为基础的头皮类型诊断系统以及利用所述系统的头皮改善方法，尤其涉及一种将所测定到的头皮问诊数据以及头皮影像图像传送至服务器进行存储，并将所存储的头皮问诊数据以及头皮影像图像在推荐服务用服务器以及人工智能(ai，artificial intelligence)服务器中进行共享而对头皮问诊数据以及头皮影像图像进行诊断分析，从而准确地对头皮状态信息进行分析，进而以此为基础对头皮类型进行诊断并根据所诊断的头皮类型实现头皮改善方法，同时根据头皮类型推荐适当产品的以头皮状态信息为基础的头皮类型诊断系统以及利用所述系统的头皮改善方法。

3、技术方案

4、作为用于达成所述本发明之目的的第一实施例，包括：服务器，将通过对被诊断者进行问诊而获得的问诊信息以及通过头皮诊断设备或终端中的某一个获取到的头皮影像图像通过作为云服务的应用程序编程接口(api)(restful)进行传送和文件存储(filestorage)；主处理器(main processor)，利用自身算法对所述文件存储(file storage)的从服务器直接接收或通过作为云服务的应用程序编程接口(api)(restful)接收到的问诊信息以及头皮影像图像中的问诊信息进行诊断，并利用在数据库中构建的大数据信息通过人工智能处理器的人工智能(ai)分析按照各个诊断项目的全部或某一部分(例如①良好(正常)、②干性、③油性、④敏感性、⑤特应性、⑥脂溢性、⑦疾病性、⑧干性头屑性、⑨油性头屑性以及⑩脱发性等中的某一部分)对头皮影像图像进行分析，进而将相关的诊断结果和基于问诊信息的诊断以及作为适当处方的推荐产品一起重新通过应用程序接口(api)实时传送至诊断者的终端；人工智能处理器，执行人工智能(ai)分析，利用数据库中累积的数据将所述文件存储(file storage)的从服务器直接接收或从主处理器(main processor)接收到的头皮影像图像按照各个诊断项目的全部或某一部分(例如①良好(正常)、②干性、③油性、④敏感性、⑤特应性、⑥脂溢性、⑦疾病性、⑧干性头屑性、⑨油性头屑性以及⑩脱发性等中的某一部分)进行分类；头皮诊断人工智能(ai)算法，从所述人工智能处理器接收按照各个诊断项目的全部或某一部分进行分类的信息并通过深度学习(deep learning)算法执行学习和解读，从而执行具体的精密诊断并推导出最终结果诊断；以及数据库，对头皮测定、诊断以及推荐数据进行累积，并提供至主处理器，以能够自行执行头皮诊断以及推荐服务，通过所述人工智能处理器，利用数据库中累积的数据以7个头皮状态信息为基础按照10种头皮类型对头皮影像图像进行分类，所述7个“头皮状态信息”为①微细角质(microkeratin)、②皮脂过多(excessive sebum)、③毛囊间红斑(erythema between hairfollicles)、④毛囊红斑(follicular erythema)、⑤脓疱(pustules)、⑥头屑(dandruffy)以及⑦脱发(hair loss；low hair density or small hair thickness)，10种“头皮类型”为①良好(正常)、②干性、③油性、④敏感性、⑤特应性、⑥脂溢性、⑦疾病性、⑧干性头屑性、⑨油性头屑性以及⑩脱发性。

5、通过人工智能处理器以7个“头皮状态信息”为基础按照10种“头皮类型”对所述头皮影像图像进行分类的结果如下：

6、(1)良好：微细角质(×)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

7、(2)干性：微细角质(○)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

8、(3)油性：微细角质(×)、皮脂过多(○)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

9、(4)敏感性：微细角质(×)、皮脂过多(×)、毛囊间红斑(○)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

10、(5)特应性：微细角质(○)、皮脂过多(×)、毛囊间红斑(○)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

11、(6)脂溢性：微细角质(×)、皮脂过多(○)、毛囊间红斑(○)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

12、(7)疾病性(炎症性)：微细角质(×)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(○)或脓疱(○)、头屑(×)、脱发(×)

13、(8)干性头屑性：微细角质(○)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(○)、脱发(×)

14、(9)油性头屑性：微细角质(×)、皮脂过多(○)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(○)、脱发(×)

15、(10)脱发性：微细角质(×)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(○)。

16、在将头皮状态信息按照①微细角质、②皮脂过多、③毛囊间红斑、④毛囊红斑、⑤脓疱、⑥头屑以及⑦脱发进行分类之后，根据严重程度分为0(无(none))、1(轻度(mild))、2(中度(moderate))以及3(重度(severe))等3个阶段，并按照单一症状的头皮类型以及复合症状的所有头皮类型(①良好(正常)、②干性、③油性、④敏感性、⑤特应性、⑥脂溢性、⑦疾病性、⑧干性头屑性、⑨油性头屑性以及⑩脱发性)进行分类。

17、基于所述头皮类型的头皮改善顺序依次为①疾病性、②脂溢性、③特应性、④油性头屑性、⑤干性头屑性、⑥敏感性、⑦脱发性、⑧油性、⑨干性以及⑩良好，从而确定改善顺序，所述改善顺序可以依次包括上述的全部或某一部分。

18、作为用于达成所述本发明之目的的第二实施例，包括：人工智能处理器，执行如下的人工智能(ai)分析：将通过头皮诊断设备或终端中的某一个从被诊断者获取到的头皮影像图像通过作为云服务的应用程序编程接口(api)(restful)进行接收，将所接收到的头皮影像图像按照各个诊断项目的全部或某一部分(例如①良好(正常)、②干性、③油性、④敏感性、⑤特应性、⑥脂溢性、⑦疾病性、⑧干性头屑性、⑨油性头屑性以及⑩脱发性等中的某一部分)进行分类；以及头皮诊断人工智能(ai)算法，从所述人工智能处理器接收按照各个诊断项目的全部或某一部分进行分类的信息并通过深度学习算法执行学习和解读，从而执行具体的精密诊断并推导出最终结果诊断，通过所述人工智能处理器，利用数据库中累积的数据以7个头皮状态信息为基础按照10种头皮类型对头皮影像图像进行分类，所述7个“头皮状态信息”为①微细角质(micro keratin)、②皮脂过多(excessive sebum)、③毛囊间红斑(erythema between hair follicles)、④毛囊红斑(follicular erythema)、⑤脓疱(pustules)、⑥头屑(dandruffy)以及⑦脱发(hair loss；low hair density or smallhair thickness)，10种“头皮类型”为①良好(正常)、②干性、③油性、④敏感性、⑤特应性、⑥脂溢性、⑦疾病性、⑧干性头屑性、⑨油性头屑性以及⑩脱发性。

19、通过人工智能处理器以7个“头皮状态信息”为基础按照10种“头皮类型”对所述头皮影像图像进行分类的结果如下：

20、(1)良好：微细角质(×)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

21、(2)干性：微细角质(○)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

22、(3)油性：微细角质(×)、皮脂过多(○)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

23、(4)敏感性：微细角质(×)、皮脂过多(×)、毛囊间红斑(○)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

24、(5)特应性：微细角质(○)、皮脂过多(×)、毛囊间红斑(○)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

25、(6)脂溢性：微细角质(×)、皮脂过多(○)、毛囊间红斑(○)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(×)

26、(7)疾病性(炎症性)：微细角质(×)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(○)或脓疱(○)、头屑(×)、脱发(×)

27、(8)干性头屑性：微细角质(○)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(○)、脱发(×)

28、(9)油性头屑性：微细角质(×)、皮脂过多(○)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(○)、脱发(×)

29、(10)脱发性：微细角质(×)、皮脂过多(×)、毛囊间红斑(×)、毛囊红斑(×)或脓疱(×)、头屑(×)、脱发(○)。

30、在将头皮状态信息按照①微细角质、②皮脂过多、③毛囊间红斑、④毛囊红斑、⑤脓疱、⑥头屑以及⑦脱发进行分类之后，根据严重程度分为0(无(none))、1(轻度(mild))、2(中度(moderate))以及3(重度(severe))等3个阶段，并按照单一症状的头皮类型以及复合症状的所有头皮类型(①良好(正常)、②干性、③油性、④敏感性、⑤特应性、⑥脂溢性、⑦疾病性、⑧干性头屑性、⑨油性头屑性以及⑩脱发性)进行分类。

31、基于所述头皮类型的头皮改善顺序依次为①疾病性、②脂溢性、③特应性、④油性头屑性、⑤干性头屑性、⑥敏感性、⑦脱发性、⑧油性、⑨干性以及⑩良好，从而确定改善顺序，所述改善顺序可以依次包括上述的全部或某一部分。

32、发明的效果

33、在根据本发明的“以头皮状态信息为基础的头皮类型诊断系统以及利用所述系统的头皮改善方法”中，可以将所测定到的头皮问诊数据以及头皮影像图像传送至服务器进行存储，并将所存储的头皮问诊数据以及头皮影像图像在主处理器以及人工智能(ai，artificial intelligence)处理器中进行共享而对头皮问诊数据以及头皮影像图像进行诊断分析，从而实时地对诊断结果进行确认并准确地对头皮状态信息进行分析，进而以此为基础对头皮类型进行诊断并根据所诊断的头皮类型实现头皮改善方法，同时根据头皮类型推荐适当的改善方法以及产品。

34、此外，可以将输入到文件存储(file storage)的服务器的头皮影像图像在主处理器以及人工智能(ai，artificial intelligence)处理器中进行共享和使用，从而通过一次性地对头皮影像图像进行上传而减少需要分别上传到各个服务器中的负荷，而且在效果以及速度等方面也比较有利。