正確なそばかすのセグメンテーションは皮膚科評価や美容アプリケーションに不可欠である。最近では、ディープラーニングベースの技術の人気が高まり、畳み込みニューラルネットワークを使用した皮膚病変の分類が行われているが、そばかすのような微妙な特徴を捉える実用可能なモデルは未だにない。本研究は、顔全体のそばかすの検出とセグメンテーションを行う、計算コストの低い自動化手法としてScientific Reportsに提案された。
韓国の研究チームは、ガウス混合モデル（GMM）とViola-Jonesアルゴリズムという、確率モデルと特徴ベースの画像処理技術を組み合わせることにより、そばかすのセグメンテーションモデルを作成した。すなわち、入力画像の色に基づいてGMMで色のクラスタリングを実行し、Viola-Jonesアルゴリズムで顔領域を検出、次に、検出された顔領域内から肌ラベルのみを抽出し、後処理ステップを適用して肌領域のコントラストを調整した。肌の色調の異なる個人の8枚の画像で検証したところ、全体の正解率（0.9665-0.9863）は高い一方で、再現率（0.3981-0.5592）と適合率（0.2597-0.5862）のトレードオフが顕著に観察された。これらの結果は、モデルは高い精度を維持しているものの、再現率と適合率のバランスを最適化する必要があることを示唆している。
研究チームは、注釈付きのトレーニングデータが大量に必要で計算コストも高いディープラーニングベースのアプローチと比較し、本手法はそばかすのセグメント化における実用的なアルゴリズムとして使用しうると述べている。今後は、大規模な臨床データを用いた検証と皮膚科医との連携が不可欠であり、多様な集団における堅牢性を高めるための更なる研究が必要であるとコメントしている。
参照論文：
A probabilistic detection-based approach to skin and freckle segmentation
関連記事：
