基于华为手机镜子的防晒及晒斑检测效果的相关评估与比较研究

曹 宝，吴文育，傅 翱，倪春雅，崔 松，陈神飞，，徐文倩，姚 其

(1.复旦大学超越照明研究所，上海 200433；2.复旦大学附属华山医院皮肤科，上海 200040；3.复旦大学附属华山医院静安分院皮肤科，上海 200040；4.华为终端有限公司，广东 东莞 523878)

引言

皮肤是人体中具有各种重要调节、免疫和保护功能的重要器官，其能接受各种外部刺激并反映人体的异常情况。当皮肤受到外界有害的环境因素影响，尤其是紫外线辐射和各种污染，体内会进行一系列反应产生黑色素，黑色素逐渐沉积，从而形成晒斑，这种皮肤疾病不仅对个人的身体健康造成影响，同时可能会带来负面的心理和社会影响[1]。因此，对于晒斑的有效检测和评估有助于促进大众对于皮肤疾病的了解，并为后续有效治疗提供参考依据。目前评估皮肤疾病的方法主要包括主观性评估方法和客观性评估方法[2]。主观性评估方法由于主要采用问卷调查的形式，缺乏数据可比性，而使用专业仪器或软件进行定量化评估的客观性评估方法则实现了更加精确的测量，广泛应用于皮肤诊断、临床实践等场景中，并随着人工智能和包括手机在内的手持设备的不断更新发展，测量方式得到简化，受众群体进一步扩大[3]。本文从皮肤晒斑、防晒效果以及紫外线强度三个角度进行评估分析，以VISIA皮肤检测仪和紫外照度计为参考测试仪器，探索华为手机的镜子应用程序相关指标的检测准确性和清晰程度，并探究其与相关仪器之间检测的差异性与相关性。

1 皮肤评估研究概述

1.1 评估方法

皮肤科领域存在一定程度的主观性评估方法，这种评估方式通常是使用评分卷或问卷调查的形式收集数据。Tan等[4]创建了对于面部红斑的临床评估严谨量表，通过确定评估者间和评估者内的一致性来评估临床医生红斑评估量表的可靠性。Shoshani等[5]创建了一种能够可靠地量化皱纹深度的简单评估量表，确定了其在临床中的可重复性和可靠性。但是这种评估方法不可避免地受到人为主观评价标准的影响，虽然获取数据简单便捷，但是评估过于相对性，各个学术机构无法实现数据的可比性，这显然对其造成一定程度的限制[6]。

随着皮肤成像和分析系统的不断发展，人们获得了可以实现更加精确和可靠数据的客观性评估方法，即利用各种仪器和设备定量化检测皮肤的各项特征指标，有效得出对于斑点、皱纹、紫外线色斑和毛孔等特征的定量化数据与分析[7-9]。Zawodny等[10]使用VISIA皮肤分析系统对临床患者的激光治疗效果进行追踪检测，证明了其在常规随访过程中是检测治疗效果的良好工具。Cook等[11]使用iPad Pro上的面部分析系统对不同年龄和皮肤类型的参与者进行分析，该分析系统的高重测可靠性和与医生评估的良好一致性表明了其在临床环境中的潜在应用。Séroul等[8]建立了一种独特的程序，可以从各种皮肤参数中连续绘制面部图像数据，这种方法可以直接可视化各种参数的局部变化，并在临床验证实验中被证实可以更好地可视化比较复杂的皮肤参数数据。

1.2 相关评估研究

基于仪器测量的客观性评估方法，利用相关仪器虽然可以定量分析和研究各项皮肤特征参数，但是由于仪器自身测试机理限制，可能会受到各种不可控的环境因素影响，导致特征参数的测量可能会存在差异性过大的问题。随着数字成像技术的不断发展，通过与紫外光、偏振光、混合光等等光源相结合，可以使得相关皮肤检测仪器具有捕获高分辨率图像的能力，再利用图像分析软件将图像信息分析成所需的皮肤特征参数信息以及相关数字信息，这类皮肤检测仪器目前也广泛应用于皮肤科以及美容市场中[12-14]。

美国Canfield公司生产的VISIA是一种基于RGB的面部皮肤特征检测仪，其使用了三种光源(标准白炽灯光、紫外光和偏振光)分别用于检测不同的皮肤特征参数，包括斑点、皱纹、纹理、毛孔、紫外线色斑、红色区等，具有良好的高质量图像捕获和特征参数分析能力[15]。因此，许多学者致力于相关皮肤特征参数的测试分析以及不同仪器的相关性和差异性研究，例如：Lin等[16]通过比较VISIA与Miravex公司的ANTERA 3D这两种皮肤成像分析仪器对各项皮肤特征参数的评估能力，致力于探究二者之间的相关性和差异性，证明了ANTERA 3D在评估皱纹方面更加敏感；而Wang等[17]通过将Media Cybernetics公司的应用程序IPP和VISIA皮肤成像分析软件进行比较，验证了在测量各种皮肤特征时二者具有一定程度的相关性，且VISIA在前额皮肤参数的测量中展现出较高的灵敏度，而IPP成像分析软件程序有能力作为评估皮肤特征的替代软件程序；此外，针对面部红区检测，Chen等[18]使用VISIA和燕云科技的CSKIN两种皮肤测量仪器对于面部红区分别进行检测，探究两者在面部红区方面的差异和相关性，以及仪器参数与临床评估之间的相关性，验证了CSKIN可能是面部红区测量的一种额外选择。

2 实验

外界紫外强度的能量通常对于人体会造成很多潜在的伤害，其中晒斑就是由于过度处于紫外线较强区域，从而导致人体皮肤内部黑色素等堆积形成，目前皮肤晒斑的形成机制尚未完全解释清楚，其形成的状态也因不同人群皮肤特性而有所不同，所以无论是对源头紫外线强度还是对于已形成的皮肤晒斑特征的检测都是至关重要的。本实验通过对华为手机中镜子应用程序的晒斑检测、防晒效果检测以及紫外线强度检测进行了相关皮肤特性评估和仪器比较研究，以此作为后续治疗或更具策略性防晒的基本参考。

2.1 防晒与晒斑检测效果评估

被试组：本研究招募10名被试者，每位被试者被要求在测试前用提供的洗面奶清水洗脸，排除包括眼镜在内的任何面部遮挡，表情中立坐下，人脸正对并置于拍摄中央，测试部位包括前额和左右脸颊，所有测试均在同一房间内进行，在可控的环境条件(22℃～25℃、50%～55%相对湿度)下进行。

此部分参考仪器为VISIA(Canfield Scientific，USA，第七代肤质检测仪)，其主要由面部成像室组成，并通过连接计算机里的分析软件，利用其中的紫外灯光源即可用于拍摄紫外线色斑的高分辨率图像并且进行相关检测以及评估分析。

防晒效果评估实验中，在不同被试者额头的固定面积区域涂抹定量防晒霜，利用华为手机镜子应用程序进行两种防晒效果评估方法的测试，实验中主要通过像素数和差异度这两项指标来评估华为手机拍摄高分辨率图像检测分析与内部算法模拟这两种方式用于检测防晒效果的相关性。由于两种评估方法中的所测图像分辨率一致，实验中使用Photoshop将二者所测的防晒区域分别提取出来，通过统计法记录各自的像素数。差异度在本研究中定义为二者防晒区域像素数之差的绝对值与紫外灯所拍摄防晒区域像素数的比值。后续相应的评估结果分析将从这些方面开展进行探究，并且通过统计学分析进一步探究二者防晒效果的相关性。

晒斑评估实验中，我们分别用VISIA皮肤检测仪和华为手机的镜子应用程序拍摄脸部正视图，主要分析二者的特征计量数(斑数)和色斑区域像素数绝对比例，其中特征计量数根据VISIA和华为手机检测结果分析可得，而后者则通过Matlab软件提取出二者图像中的色斑区域，并通过相应算法计算得出各自所有色斑区域的总像素数，色斑区域像素数绝对比例被定义为色斑区域像素数与整个面部区域像素数之比，后续实验结果评估研究中将以此并结合回归变量拟合和皮尔逊相关性分析等统计学处理来进行相关性分析。

2.2 紫外强度评估

紫外强度评估实验中，使用华为手机和紫外照度计(TENMARS TM-213，波段260～380 nm)在同一晴天的不同时刻(9：00—17：00，间隔2 h测试一次)分别记录户外正对太阳、户外背对太阳、室内窗边三种情况下的测量结果。我们根据紫外照度计所测紫外辐照度结果可以计算得出紫外线指数，并且对其进行等级划分，其等级划分的结果与华为手机中所测的紫外辐照射强度等级划分结果进行比较，进行二者的评估结果分析和相关性探究。其中，根据GB/T 36744—2018，紫外线指数计算式为：

(1)

其中Iuv为无量纲值，非零整数则四舍五入取整得到；Quv表示地面紫外线辐照度预报数值，单位为W/m2；Cer表示等效红斑订正因子，取值0.01；ΔI表示与单位紫外线指数相当的紫外线辐照度，取值0.025 W/m2。表1即为紫外线指数等级划分以及相应防护措施。

表1 紫外线指数等级划分

3 实验结果与分析

3.1 防晒效果与晒斑的检测结果分析

防晒效果评估实验中，在10名被试者额头固定区域均匀涂抹防晒霜，所用防晒霜的防晒指数SPF为50+，PA值为PA++++，涂抹用量均约为1泵。实验中固定华为手机的拍摄角度，使用华为手机拍摄和内部算法模拟这两种方式，评估不同被试者涂抹防晒霜后的防晒效果。图1为华为手机紫外灯的不同波长下光谱的归一化数据图，可知其紫外线波段属于UVA波段，在波长约370 nm时强度达到最大。

图1 华为手机紫外灯的归一化光谱Fig.1 Normalized spectra of the UV light of Huawei Mobile Phone

图2为其中一个被试者样本的测试结果，图2(a)为普通RGB相机拍摄的实验照片，实际涂抹的防晒霜几乎无法在RGB图像中观察到；紫外灯光源拍摄的防晒区域如图2(b)所示的黑色区域，被定义为防晒区域1，这是由于防晒霜中含有紫外光吸收成分，在紫外灯照射下会发生荧光效应或化学反应，使得涂抹了防晒霜的皮肤区域在照片中呈现出与未涂抹区域的不同颜色；而手机内部算法模拟计算出的防晒区域如图2(c)所示的紫色区域，被定义为防晒区域2。图2(d)为VISIA所测的防晒区域图像。

图2 (a)华为手机拍摄的普通RGB图像；(b)华为手机紫外灯拍摄的防晒图像；(c)华为手机算法模拟的防晒图像；(d)VISIA拍摄的防晒图像Fig.2 (a)Ordinary RGB image captured by Huawei mobile phone；(b)sunscreen image captured by the UV light of Huawei mobile phone；(c)sunscreen image simulated by the algorithm of Huawei mobile phone；(d)sunscreen image captured by VISIA

图3所示为防晒区域1和2所提取出的像素数以及所计算的二者差异度指标，在所测数据中，防晒区域1像素数都会略大于防晒区域2，但是所计算出的差异度在0.04～0.35这个小范围内波动，可知防晒区域1和2的像素数非常接近。

图3 使用华为手机拍摄的两个防晒区域像素数以及所计算的差异度Fig.3 The number of pixels in two sunscreen areas captured by Huawei mobile phone and the calculated difference

如图4所示，实验中使用SPSS中的回归变量图将散点图拟合成的线性方程为y=-37200+1.52x，根据皮尔逊相关性分析结果显示，p=0.00，说明二者具有显著相关性，同时r=0.934，说明具有很高的正相关性。这表明华为手机镜子应用程序防晒检测中的紫外灯拍摄图像检测和内部所设计的算法检测这两种方式在测试防晒效果方面具有可接受的相关性，所设计的算法检测可以作为评估皮肤防晒效果的替代检测方式。

图4 使用华为手机拍摄的两个防晒区域像素数的拟合曲线Fig.4 Fitting curve of the number of pixels in two sunscreen areas captured by Huawei mobile phone

晒斑检测实验中，根据所测样本统计出VISIA皮肤检测仪与华为手机的镜子应用程序所测的结果，其中一个样本的VISIA检测原始正视图如图5(a)所示，图5(b)～(c)为二者的紫外线晒斑测试结果图像，青色线条选中的许多不规则区域就是各自所检测的紫外线晒斑区域。

图5 (a)VISIA拍摄的原始图像；(b)VISIA拍摄的晒斑图；(c)华为手机拍摄的晒斑图Fig.5 (a)The original image captured by VISIA；(b)sunburn image captured by VISIA；(c)sunburn image captured by Huawei mobile phone

实验中统计了VISIA和华为手机所测紫外线晒斑图像中的特征计量数，并且为了进一步探究二者特征计量数的关联，通过绝对比例这一指标来衡量所测的紫外线晒斑区域面积与整个面部区域的相对性，并评估华为手机与VISIA的测试相关性，我们分析9个样本的测试结果，如图6所示，二者的绝对比例差异性相对较小，虽然不同样本个体之间会存在轻微的差异，但是均在0.05以下。

图6 使用VISIA和华为手机所测结果计算出的绝对比例Fig.6 The absolute ratio calculated by the results from VISIA and Huawei mobile phone

实验还使用SPSS 26.0软件对测试数据进行统计学分析，分析9个样本的测试结果，如图7所示，先使用回归变量图将二者晒斑特征计量的数据散点线性拟合成直线图，线性拟合方程为y=43.63+0.03x，直观展示了两个变量之间的线性关系；接着实验中使用皮尔逊相关性分析来探究数据，显著性水平p=0.001，其值远小于0.05，说明二者的晒斑特征计量数具有显著相关性，而相关性系数r=0.904，离1比较近，说明正相关性很高。相关实验分析针对目前9个样本数据，由于样本数据较少，若后续可供分析的样本数据量扩大，相关性参数可能会存在轻微偏差。因此，较之专业的皮肤检测仪，对于紫外线晒斑的检测，实验验证了华为手机镜子应用程序基本具备检测紫外线晒斑的功能。此外，实验中值得一提的是，华为手机的镜子应用程序在实现高分辨率图像和精准分析的前提下，与VISIA相比，其在便携性、节省测试时间等方面展现出一些优势。

图7 使用VISIA和华为手机所测晒斑特征计量数的拟合曲线Fig.7 Fitting curve of feature measurements of UV sunburn captured by VISIA and Huawei mobile phone

上述实验对于9个样本数据进行精细化分析，此外，我们从得分角度进行快速实验测试并统计了135个样本在华为手机镜子应用程序中的算法得分以及在VISIA中的特征分数，对算法得分值进行矫正后，将手机算法矫正值数据变成负值(注：华为手机分数是越高越好，VISIA里的分值是越低越好，故做此操作)，再与VISIA特征分值进行相关性分析，最终得出二者相关系数r=0.865，表明手机算法模拟的晒斑评估与VISIA所测结果存在相对较强的正相关性。

3.2 紫外强度的检测结果分析

实验中使用华为手机和紫外照度计在同一晴天中不同时刻，分别进行了三种测试场景下的紫外强度检测，其中紫外照度计的紫外线强度测量结果如图8所示。

图8 紫外照度计在不同时刻所测的三种情况下的紫外线强度Fig.8 The UV intensity measured by the UV illuminometer under three different conditions at different times

将紫外照度计的紫外线强度代入紫外线指数计算公式，即可得出紫外照度计在室内窗边、室外背对阳光和室外正对阳光三种测试情况下所对应的紫外线照射强度等级划分，见表2，其测试结果与华为手机里的镜子应用程序所测得的紫外线指数等级相对比。根据表2可知，使用华为手机测得的紫外线指数等级与商用紫外照度计所测结果基本吻合，少数结果略微差异可能是因为存在天气变化的因素影响，二者的测试结果具有不错的一致性，验证了华为手机的镜子应用程序测试外界紫外线强度具备可接受的准确性。

表2 华为手机和紫外照度计所测出的紫外线指数等级对比

4 结论

皮肤是人体中最大的器官，因与外界环境直接接触，极易受到相关性损伤，同时对于皮肤特征参数的检测分析正逐渐从人为主观性评估转变为客观的定量化评估，各种皮肤检测的差异性和相关性研究对于提供皮肤问题的治疗建议至关重要。本文主要以VISIA和紫外照度计为参考，探究华为手机镜子应用程序对于防晒效果评估、晒斑检测和紫外线强度检测三个方面的准确性以及仪器的相关性研究。在防晒效果方面，使用华为手机拍摄和内部算法模拟两种检测方式进行对比研究，结果显示二者的防晒区域像素数非常接近，差异度在可接受范围内，统计学分析结果也表明这两种防晒检测方式存在很高的正相关性(p=0.00，r=0.934)，验证了华为手机内部算法对于检测防晒效果的有效性；在晒斑检测方面，使用VISIA和华为手机镜子应用程序对不同样本进行晒斑检测，并对图像结果的特征计量数以及所计算的绝对比例进行统计，二者的绝对比例均始终小于0.05，且差异性相对较小，对特征计量数进行统计学分析，回归变量拟合图和皮尔逊相关性分析的结果都表明二者在统计学上存在较高正相关性(p=0.001，r=0.904)，此外手机算法矫正值与VISIA特征分值也存在相对较强的正相关性；在紫外线强度检测方面，使用华为手机和紫外照度计进行不同测试场景和不同时刻的紫外线指数等级的检测与计算，测试结果也显示出较高的一致性。因此，本研究通过以华为手机镜子应用程序为主要研究对象，探究其皮肤特征参数的检测和预防效果，并进行相关专业仪器的对比性研究，为皮肤分析系统与评估以及仪器的相关性研究提供参考。