用于分析用户特定皮肤或头发数据以预测用户特定皮肤或头发状况的基于人工智能的系统和方法与流程

本公开整体涉及基于人工智能(ai)的系统和方法，并且更具体地涉及用于分析用户特定皮肤或头发数据以预测用户特定皮肤或头发状况的基于ai的系统和方法。

背景技术：

1、一般而言，人类头发和皮肤的多种内源性因子(诸如皮脂和汗液)对用户的头皮的整体状况具有现实世界的影响，该整体状况可包括头皮皮肤状况(例如，皮脂残留物、头皮皮肤应力)和毛囊/头发状况(例如，头发应力、痤疮、头皮堵塞物(plug))。附加的外源性因子(诸如风、湿度和/或各种头发相关产品的使用)也可能影响用户的头皮的状况。此外，用户对头皮相关问题的感知通常不反映此类潜在的内源性因子和/或外源性因子。

2、因此，考虑到内源性因子和/或外源性因子的数量以及头皮和头发类型的复杂性，尤其是当跨不同用户考虑时，会出现问题，这些不同用户中的每一者可与不同人口统计、种族和人种相关联。这在各种人类头皮状况和特性的诊断和治疗中产生问题。例如，试图帮助用户自我诊断头皮状况的现有技术方法通常缺乏足够的信息来生成准确的、用户特定的诊断，因此提供广泛的、过于简单的推荐。此外，用户可尝试通过各种产品或技术进行经验性实验，但没有实现令人满意的结果和/或导致可能的负面副作用，从而影响他或她的头皮的状况或另外的视觉外观。

3、出于前述原因，需要用于分析用户特定皮肤或头发数据以预测用户特定皮肤或头发状况的基于ai的系统和方法。

技术实现思路

1、一般而言，如本文所述，描述了用于分析用户特定皮肤或头发数据以预测用户特定皮肤或头发状况的基于人工智能(ai)的系统和方法。在一些方面，本文的基于ai的系统和方法被配置为训练ai模型以输入用户特定数据来预测用户的头皮的头皮皮脂。此类基于ai的系统提供了一种基于ai的解决方案，用于克服在识别和治疗影响人类头皮、皮肤和/或头发的状况的各种内源性和/或外源性因子或属性中的困难所引起的问题。

2、一般而言，如本文所述的基于ai的系统允许用户将用户特定数据提交到服务器(例如，包括其一个或多个处理器)，或以其他方式提交到计算设备(例如，诸如本地位于用户的移动设备上)，其中服务器或用户计算设备实现或执行利用关于相应个体的头皮和头发区域的用户特定数据的潜在数千个实例(或更多)的训练数据训练的基于ai的学习模型。ai学习模型可基于头皮或头发预测值生成用户特定治疗，该用户特定治疗被设计成基于用户的头皮或头发区域的头皮或头发预测值来寻址至少一个特征。例如，用户特定数据可包括响应或其他输入，其指示头皮干燥、头皮油性、头皮屑、僵硬、发红、气味难闻、瘙痒、蓬乱、掉发、发量、稀疏、解除缠结、头发油性、干燥、头发异味、痤疮、头皮堵塞物和/或特定用户的头皮或头发区域的其他头皮或头发因子。在一些方面，可经由计算机网络将用户特定治疗(和/或产品特定推荐/治疗)传输到用户的用户计算设备以呈现在显示屏上。在其他方面，没有发生用户特定数据到成像服务器的传输，其中用户特定治疗(和/或产品特定推荐/治疗)可替代地由在用户的移动设备上本地执行和/或实现的基于ai的学习模型生成，并且由移动设备的处理器呈现在移动设备的显示屏上。在各个方面，此类呈现可包括图形表示、覆盖、注释等，用于基于用户的头皮或头发区域的头皮或头发预测值来寻址特征。

3、在某些方面，如本文所述的基于ai的系统还允许用户将用户的图像提交到成像服务器(例如，包括其一个或多个处理器)，或以其他方式提交到计算设备(例如，诸如本地位于用户的移动设备上)，其中成像服务器或用户计算设备实现或执行利用潜在10，000个(或更多个)图像的像素数据训练的基于ai的学习模型，这些图像描绘了相应个体的头皮或头发区域。基于ai的学习模型可基于头皮或头发预测值生成用户特定治疗，该用户特定治疗被设计成寻址在包括用户的头皮或头发区域的像素数据内能够识别的至少一个特征。例如，用户的头皮或头发区域的一部分可包括指示白色皮脂、头皮干燥、头皮油性、头皮屑、僵硬、发红/刺激、瘙痒、蓬乱、掉毛、发量、稀疏、解除缠结、头发油性、干燥、头发异味、痤疮、头皮堵塞物和/或特定用户的头皮或头发区域的其他头皮或头发因子的像素或像素数据。在一些方面，可经由计算机网络将用户特定治疗(和/或产品特定推荐/治疗)传输到用户的用户计算设备以呈现在显示屏上。在其他方面，没有发生用户的图像到成像服务器的传输，其中用户特定治疗(和/或产品特定推荐/治疗)可替代地由在用户的移动设备上本地执行和/或实现的基于ai的学习模型生成，并且由移动设备的处理器呈现在移动设备的显示屏上。在各个方面，此类呈现可包括用于寻址像素数据中的特征的图形表示、覆盖、注释等。

4、更具体地，如本文所述，公开了一种基于ai的系统。该基于ai的学习系统被配置为分析用户特定皮肤或头发数据(在本文中也称为“用户特定数据”)，以预测用户特定皮肤或头发状况(在本文中称为“头皮或头发预测值”和“头皮和头发状况值”)。该基于ai的系统包括一个或多个处理器、头皮和头发分析应用程序(app)和基于ai的学习模型，该头皮和头发分析app包括被配置为在该一个或多个处理器上执行的计算指令。该基于ai的学习模型能够由该头皮和头发分析app访问并且利用关于相应个体的头皮和头发区域的训练数据来训练。该基于ai的学习模型被配置为输出对应于该相应个体的头皮或头发区域的一个或多个特征的一个或多个头皮或头发预测。关于该相应个体的头皮和头发区域的训练数据选自对应于该相应个体的最后一次清洗数据的一个或多个值以及以下中的至少一者：一个或多个头皮因子、一个或多个头发因子、或清洗频率。该训练数据包括利用被配置为确定该头皮或头发区域的该一个或多个特征的头皮或头发测量设备生成的数据。该头皮和头发分析app的计算指令在由该一个或多个处理器执行时使该一个或多个处理器：接收用户的用户特定数据，该用户特定数据定义该用户的头皮或头发区域，包括(1)该用户的最后一次清洗数据，以及(2)以下中的至少一者：该用户的一个或多个头皮因子、该用户的一个或多个头发因子、或该用户的清洗频率；由该基于ai的学习模型分析该用户特定数据以生成对应于该用户的该头皮或头发区域的头皮或头发预测值；以及基于该头皮或头发预测值生成用户特定治疗，该用户特定治疗被设计成基于该用户的头皮或头发区域的该头皮或头发预测值来寻址至少一个特征。

5、另外，如本文所述，公开了一种用于分析用户特定皮肤或头发数据以预测用户特定皮肤或头发状况的基于人工智能(ai)的方法。该基于ai的方法包括：在一个或多个处理器上执行的头皮和头发分析应用程序(app)处接收用户的用户特定数据，该用户特定数据定义该用户的头皮或头发区域，包括(1)该用户的最后一次清洗数据，以及(2)以下中的至少一者：该用户的一个或多个头皮因子、该用户的一个或多个头发因子、或该用户的清洗频率；能够由该头皮和头发分析app访问的基于人工智能(ai)的学习模型分析该用户特定数据以生成对应于该用户的该头皮或头发区域的头皮或头发预测值，其中该基于ai的学习模型利用关于相应个体的头皮和头发区域的训练数据来训练并且被配置为输出对应于该相应个体的该头皮或头发区域的一个或多个特征的一个或多个头皮或头发预测，其中关于相应个体的头皮和头发区域的该训练数据选自对应于该相应个体的最后一次清洗数据的一个或多个值以及以下中的至少一者：头皮因子、一个或多个头发因子、或清洗频率中的一者或多者，其中该训练数据包括利用被配置为确定该头皮或头发区域的该一个或多个特征的头皮或头发测量设备生成的数据；以及由该头皮和头发分析app基于该头皮或头发预测值生成用户特定治疗，该用户特定治疗被设计成基于该用户的头皮或头发区域的该头皮或头发预测值来寻址至少一个特征。

6、此外，如本文所述，公开了一种存储用于分析用户特定皮肤或头发数据以预测用户特定皮肤或头发状况的指令的有形、非暂态计算机可读介质。该指令在由一个或多个处理器执行时可使该一个或多个处理器：在一个或多个处理器上执行的头皮和头发分析应用程序(app)处接收用户的用户特定数据，该用户特定数据定义该用户的头皮或头发区域，包括(1)该用户的最后一次清洗数据，以及(2)以下中的至少一者：该用户的一个或多个头皮因子、该用户的一个或多个头发因子、或该用户的清洗频率；能够由该头皮和头发分析app访问的基于人工智能(ai)的学习模型分析该用户特定数据以生成对应于该用户的该头皮或头发区域的头皮或头发预测值，其中该基于ai的学习模型利用关于相应个体的头皮和头发区域的训练数据来训练并且被配置为输出对应于该相应个体的该头皮或头发区域的一个或多个特征的一个或多个头皮或头发预测，其中关于相应个体的头皮和头发区域的该训练数据选自对应于该相应个体的最后一次清洗数据的一个或多个值以及以下中的至少一者：头皮因子、一个或多个头发因子、或清洗频率中的一者或多者，其中该训练数据包括利用被配置为确定该头皮或头发区域的该一个或多个特征的头皮或头发测量设备生成的数据；以及由该头皮和头发分析app基于该头皮或头发预测值生成用户特定治疗，该用户特定治疗被设计成基于该用户的头皮或头发区域的该头皮或头发预测值来寻址至少一个特征。

7、根据上文以及本文的公开内容，本公开描述了计算机功能的改进或对其他技术的改进，至少因为本公开描述了例如服务器、或另外的计算设备(例如，用户计算机设备)得到改进，其中服务器或计算设备的智能或预测能力通过经训练(例如，机器学习训练)的基于ai的学习模型来增强。在服务器或计算设备上执行的基于ai的学习模型能够基于其他个体的用户特定数据更准确地识别以下中的一者或多者：用户特定头皮或头发区域特征、头皮或头发预测值和/或用户特定治疗，该用户特定治疗被设计成基于用户的头皮或头发区域的头皮或头发预测值来寻址至少一个特征。也就是说，本公开描述了计算机本身的运行或“任何其他技术或技术领域”的改进，因为服务器或用户计算设备利用多个训练数据(例如，关于相应个体的头皮和头发区域的用户特定数据的潜在数千个实例(或更多个))增强以基于用户特定数据(诸如新提供的客户响应/输入/图像)准确地预测、检测或确定用户皮肤或头发状况。这比现有技术有所改进，至少因为现有系统缺乏此类预测或分类功能，并且根本无法准确地分析用户特定数据以输出预测结果，从而基于用户的头皮或头发区域的头皮或头发预测值来寻址至少一个特征。

8、具体地，本公开的系统和方法的特征在于通过利用与多个个体的头皮和头发状况相关的多个临床数据(例如，头皮皮脂和头皮应力数据)来训练基于ai的学习模型而优于传统技术的改进。临床数据通常包括个体对个体头皮和头发状况的自我评估，其形式为针对多个个体中的每个个体的文本问卷响应，以及对应于每个个体的头皮和头发的物理测量结果(例如，利用头皮或头发测量设备收集)。一旦使用临床数据进行了训练，基于ai的学习模型就为用户提供高准确度的头皮和头发状况预测，而无需用户的图像，以达到使用传统技术无法达到的程度。事实上，当基于用户特定数据(例如，对问卷的响应)预测用户的头皮和头发状况值时，本公开的基于ai的系统实现大约75％的准确度，反映了基于ai的学习模型与用户的实际头皮和头发状况之间的显著相关性，而传统技术根本无法实现这种相关性。此外，在某些方面，临床数据包括对应于多个个体中的每个个体的自我评估的用户特定图像，并且用户附加地提交用户特定图像作为用户特定数据的一部分。在这些方面，基于ai的学习模型的准确度进一步提高，从而为用户提供了传统技术无法提供的令人难以置信的高准确度头皮和头发预测。

9、出于类似原因，本公开涉及对其他技术或技术领域的改进，至少因为本公开描述或引入了对头皮和头发护理领域以及头皮和头发护理产品领域中的计算设备的改进，由此在成像设备或计算设备上执行的经训练的基于ai的学习模型改进了头皮和头发区域护理领域以及其头皮和头发护理产品的化学配方，利用对用户特定数据和/或图像的基于ai和/或数字的分析来输出预测结果，以寻址在用户特定数据内能够识别的至少一个特征，该用户特定数据定义用户的头皮或头发区域，包括：(1)用户的最后一次清洗数据，以及(2)以下中的至少一者：用户的一个或多个头皮因子、用户的一个或多个头发因子、或用户的清洗频率。

10、此外，本公开涉及对其他技术或技术领域的改进，至少因为本公开描述或介绍了对头皮和头发护理领域和头皮和头发产品领域中的计算设备的改进，由此在计算设备和/或成像设备上执行的经训练的基于ai的学习模型改进了底层计算机设备(例如，服务器和/或用户计算设备)，其中此类计算机设备通过给定机器学习网络架构的配置、调整或适应而更有效。例如，在一些方面，通过减少分析图像所需的机器学习网络架构，包括通过减小深度、宽度、图像大小或其他基于机器学习的维度要求，通过减少计算资源来使用更少的机器资源(例如，处理周期或存储器存储装置)。此类减小会释放潜在计算系统的计算资源，由此使其更有效。

11、另外，本公开包括利用或通过使用生成用于训练基于ai的学习模型的训练数据的特定机器(例如，头皮或头发测量设备)来应用权利要求元素中的某些权利要求元素。

12、另外，本公开包括除了本领域中众所周知的常规、传统活动之外的特定特征，或者添加将权利要求限制于特定有用应用程序的非传统步骤，例如分析定义用户的头皮或头发区域的用户特定数据以生成头皮或头发预测值以及被设计成基于用户的头皮或头发区域的头皮或头发预测值来寻址至少一个特征的用户特定治疗。

13、通过以举例说明的方式示出和描述的优选方面的以下描述，优点对于本领域的普通技术人员而言将变得更加显而易见。如将认识到的，本发明的方面可具有其他和不同的方面，并且它们的细节能够在各个方面进行修改。因此，附图和描述应被视为实质上是示例性的而非限制性的。