【论文展示】皮肤健康状态评估模型的建立(摘要)

网站首页    首页    行业资讯    【论文展示】皮肤健康状态评估模型的建立(摘要)

 

 

何一凡1;王瑞珍1;孟宏1;李丽1;吴哲敏2;董银卯1,*

1北京工商大学理学院化妆品系;

2巴德医疗器械(北京)有限公司;

摘要

本文研究目的是通过系统地测试志愿者的皮肤本态数据并由皮肤专家对志愿者皮肤状态进行评分,构建科学客观的皮肤状态评价系统。首先,我们招募99名女性(21–50岁)并采集其皮肤本态数据,包括皮肤水合率、经皮失水率、光泽度、弹性、色度、黑/红色素、纹理度、油脂含量、皮肤血流灌注量、皮肤表面温度、氧分压。将99名志愿者随机分为两组,即模型构建组(80名)和模型测试组(19名)。根据模型构建组的数据,通过主成分分析(PCA)提取18个独立变量,然后通过专家评分对主要成分进行回归,并提取出主要成分。

 

关键词:

皮肤本态皮肤状态评价系统主成分分析

 

 

1.       皮肤状态评估现状

为了综合客观地评价皮肤状态,我们需要建立多个统计指标。但是,在大多数情况下,不同指标之间存在特定的相关性。由于存在多个指标并且指标之间存在特定的相关性,因此分析很复杂。主成分分析(PCA)能够找到不相关的主要组成部分,以便它们可以尽可能保留原始变量。为了最大程度地减少原始数据信息的丢失,原始索引被组合为多个复合指标1-4。每个综合指标是原始指标的线性组合,保留原始索引的主要信息,并且彼此不相关。这简化了复杂的问题,使其易于掌握分析中的主要矛盾。因此,本研究计划基于PCA分析方法建立皮肤状态评分模型。通过本模型,消费者可以清楚地了解他们的全面皮肤状况,帮助他们选择皮肤护理未来的产品。

本研究有六个程序5:(1)识别分析变量并收集数据;(2)规范原始数据的处理,消除不

同维度的影响;(3)获取归一化数据的协方差矩阵,具体为原始数据的相关矩阵;(4)找到特点主成分的根,特征向量和方差贡献率;(5)提取主要成分;(6)求主成分值并计算综合得分。

 

2.       实验方法与结果

根据2007年《美容接触性皮炎诊断标准和治疗原则》的纳入和排除标准,招募99名21至50岁的女性志愿者。在专业人员的指导下,志愿者用清水清洁脸部后,并在温度为22 ± 2 °C、湿度为50% ± 1%的环境静坐20分钟。随后根据皮肤本态测试流程进行测试。皮肤本态测试指标以及所使用仪器,见表1。

将99名志愿者随机分为两组,即模型构建组(80名)和模型测试组(19名)。根据皮肤测试指标的纳入标准(见表2),我们确定了99名志愿者中各项指标的最优值,见表1。通过主成分分析(PCA)提取18个独立变量,然后通过专家评分对各皮肤指标进行回归分析。回归方程如下:

y = 10.2612-0.0610 X1-0.1336 X2+0.0478 X3-0.0175 X4-0.0128 X5+0.0891 X6+0.6693 X75.7208 X85.0790 X97.4402 X102.2292 X11183.8901 X1244.1138 X1323.8804 X140.0271 X150.0948 X160.0143 X170.4662 X18 (R2 > 0.9

根据模型构建组以及模型测试组各项指标的数据计算得出的模型评分与专家评分相比我们发现其具的匹配程度较高(R2 > 0.9)。因此,建立的模型能够解释专家评分与18个独立变量之间的关系。

通过计算99名志愿者的数据专家评分,我们将其得分从高到低排序并对其进行分类。分类标准见表3。通过此过程,志愿者可以清楚地了解自己的综合皮肤状况,从而可以帮助他们将来选择护肤产品。即使不提供从其他统计方法得出的分析信息,PCA也是获得皮肤质量综合判断的非常有效的程序。在未来的工作中,我们将研究用于估计最佳空间和时间块大小的自动方法,从而允许跨数据量的差异。这个未解决的问题取决于新颖实用算法的可用性。

1 皮肤本态测试流程

序号

测试指标

变量

最优值

仪器型号

1

皮肤水合率

X1

55.3260

Water content Corneometer CM 825

2

经皮失水率

X2

18.7924

Water loss Tewamater TM300

3

油脂

X3

14.8300

Oil content Subumeter SM810

4

皮肤黑色素

X4

206.8532

Black and red pigment probe Mexameter MX18

5

皮肤红色素

X5

325.0068

Black and red pigment probe Mexameter MX18

6

ITA°(色度)

X6

44.0130

Skin color MPA 9

7

皮肤光泽度

X7

5.8791

Skin glossiness GL190

8

左脸颊弹性R2

X8

0.6583

Skin elasticity MPA580

9

左脸颊弹性R5

X9

0.5150

Skin elasticity MPA580

10

左脸颊弹性R7

X10

0.3158

Skin elasticity MPA580

11

pH值

X11

5.7548

pH 905

12

算术平均粗糙度Ra

X12

0.01964

Skin texture meter Derma Top VISIO 3D

13

平均粗糙度Rz

X13

0.0756

Skin texture meter Derma Top VISIO 3D

14

平滑深度Rp

X14

0.1465

Skin texture meter Derma Top VISIO 3D

15

平均O2分压

X15

39.4682

PeriFlux 5000

16

平均CO2分压

X16

38.1237

PeriFlux 5000

17

皮肤血流灌注量

X17

97.2361

Laser Doppler PeriScan PIM3

18

皮肤表面温度

X18

30.6226

Infrared thermal imaging Vario CAM HD

 

2 皮肤测试指标的纳入标准

 

3 根据专家评分进行皮肤状态分型

 

3.       结论

总的来说,目前的工作表明,与其他方法相比,该模型更加客观、省时。该模型可以帮助消费者选择合适的化妆品,还可以帮助化妆品公司为不同的消费者开发更具针对性的产品。

 

 

2020年7月6日 11:16
浏览量:0
收藏