- 文献综述（或调研报告）：
Ⅰ. 痤疮的类型及分级标准
痤疮发生在青春期皮脂腺来临之时[5]。皮脂腺体由于受到肾上腺产生的雄性激素的刺激会过度分泌油脂[11]。油脂的主要目的是润滑并保护皮肤，然而有时毛囊皮脂腺导管会发生堵塞导致皮下油脂的积聚，从而产生粉刺。严重的情况下皮肤中盛产这种油脂物体的细菌迅速繁殖，从而导致周围组织发炎[7]。
当受影响毛囊的毛孔靠近皮肤表面时将会出现“白头”型粉刺，若毛孔敞开，内部的油脂会被氧化变为黑色，产生“黑头”粉刺。如果炎症发生的部位在表皮附近将会形成丘疹，在痤疮的角度上，它是一种颜色为红色并且有褶皱肿胀的肿块。丘疹比白头或黑头更严重，但没有结节或囊肿那么严重，通常可以用干燥乳液或现场治疗来进行治疗。当毛孔周围的壁破裂时将会形成脓疱，与丘疹不同，脓疱中充满脓液，这些肿块从皮肤上生出，通常呈现红色,并且头部通常是黄色或白色的。如果没有及时对症下药，将有留下疤痕的风险。当炎症发生的部位超过一定深度，便有可能形成囊肿或者结节[8]。当毛孔堵塞时有可能形成结节，当毛孔被细菌、皮脂和死皮细胞的组合堵塞时有可能产生囊肿。
在临床诊疗中，医生根据病人面部的痤疮类型以及痤疮个数对患者进行严重度评级。根据严重程度和痤疮皮损性质可将痤疮分为四种等级，每级的诊断标准如下表：
表1. 痤疮分级标准
|
级别 |
分级标准 |
|
一级 |
只有粉刺并且可见少量丘 疹和脓疱 |
|
二级 |
除粉刺外还有炎性丘疹 |
|
三级 |
除有粉刺、炎性丘疹外还 有中量脓疱（大于三个） |
|
四级 |
除有粉刺、炎性丘疹及脓疱外还有结节、囊肿或瘢痕 |
Ⅱ. 图片处理
图片处理可以说是决定痤疮诊断算法好坏的核心环节，故不少研究人员对其进行探索，也提出了许多方法。下面介绍其中几种：
Ⅱ.1 K-means聚类
类是相似元素的几何，K-means聚类是一种基于距离的聚类方法[9]。聚类方法通过对样本距离的判断，不断迭代聚类，追求的是使得不同类别之间的距离大而相同类簇之间的距离小。即类间距离越大而簇内距离越小则聚类的效果越好。K-Means首先给出K值，而后根据距离大小进行聚类，将N个观测数据划分为K个类簇。通常，数据点间的距离有欧式距离、曼哈顿距离、马氏距离等，在不同的情景下应选择不同的距离，一般情况下，K-means采用欧式距离。而K值的选择可采用手肘法或轮廓系数法，如若没有特俗情况，通常先考虑手肘法。
一般图像中的每个像素点包括RGB分量(蓝色、红色和绿色)的强度，分割过程简单地将图像中的每个像素视为不同的数据点[10]。经K-means处理后，图像被划分为若干区域，它们中的每一个都具有合理相似的视觉外观，每部分区域与面部对象或该对象的一部分相匹配。有研究团队在“使用K-均值聚类的基于颜色的分割”的代码基线上进行改进，提出了一种两级K-Means聚类。在第一级聚类将被测对象分为皮肤皮损和痤疮皮损两个类别。而在第二级k-均值聚类中，分配了三个类别，其中研究者所应关注的便是痤疮[11]。
Ⅱ.2 纹理分析
纹理分析是根据区域和部分的纹理特征来表征图像，试图将诸如粗糙、柔滑、光滑或凹凸不平的特征映射量化为可变的像素强度，而灰度值一般保持不变。能使用该方法来进行痤疮的检测是因为在纹理分析的假设前提下，痤疮的轮廓可表现出更多的质感。换句话说，其有更大的可变性，因此具有更高的范围值[11][12]。
Ⅱ.3 基于颜色的分割（HSV模型）
图像处理中有不同的颜色样式模型，例如RGB，HIS和HSV[13]。HSV是最常见的圆柱坐标模型之一。该模型对RGB的几何结构进行了重新排列，以获得更直观的表示。HSV包含色调、饱和度和值三个分量，通常也称为HSB(B表示亮度)。HSV相对于RGB的优势在于，与RGB相比，HSV具有与颜色的心理感知有关的有意义的成分。例如，要分割HSV模型中的绿色，从最浅的颜色到最暗的颜色，从最不饱和的像素到最饱和的像素，所有的绿色都具有相同的色调。然而，在RGB模型中，如果图像按绿色大于阈值进行过滤，则会选择一定数量的绿色像素，可能会错过暗绿色。有研究团队修改了“具有自动阈值和容差计算的颜色斑点实用程序”部分代码，用于实现基于HSV的分割[6]。
Ⅱ.4 基于多层感知机的图片分割
深度学习是机器学习的一种，而机器学习是人工智能的一个分支，机器学习致力于研究通过计算的手段，利用获得经验来学习改善自身计算机系统的性能[14]。人工神经网络是现在深度学习方法中常用的算法，可简单分为深度神经网络、卷积神经网络和残差（循环）神经网络[15]。卷积神经网络（Convolutional Neural Networks, CNN）广泛应用于图像、音频处理领域[17][18]。CNN通过多层的卷积、池化等前向操作以提取输入特征，而后通过梯度下降，反向传播以优化网络参数，最终实现图片的分类或分割。有学者分别采用分类网络和目标检测网络两种模型来对痤疮的分级任务进行研究[16]。
Ⅲ. 面向用户的应用程序
随着智能手机的普及以及社交网络化，微信成为人们的主要通讯娱乐软件。2017年1月9日，张小龙在2017微信公开课Pro上发布的小程序正式上线。微信小程序（Mini Program）是一种跨平台的应用，无需下载应用程序即可实现应用功能的享用。小程序的出现赋予了微信更强大的功能，有论坛喻说其实现了“触手可及”的梦想，即用户通过扫一扫、搜一搜即可使用。
小程序基于移动端微信平台，利用传统的C/S网络架构为基础，将客户端与服务端直接连接，这种点对点的连接使得数据传输高效且安全，同时利用动态语言和算法突破客户端必须安装服务软件的限制[20]。采用MINA（Multipurpose Infrastructure for Network Applications）框架，利用其实时响应的特点完成用户实时数据捆绑，实现了加载和运行同步，使得用户可以忽略小程序版本，直接享用开发人员提供的最新服务。
小程序的开发框架基于MINA框架[19]，采用MVVM（Model-View-ViewModel）模式。这种框架策略有利于界面设计和功能开发进行更加明确的分工，使得小程序的开发效率和质量大幅度提高，同时使得应用程序的视图层和逻辑层完全解耦，具有很高的可复用性和扩展性。视图层实现与Web前端应用开发相似，只是核心技术由HTML语言和CSS语言转变为由腾讯开发的WXML(WeiXin Markup Language)语言和WXSS(WeiXin Style Sheets)语言。其中WXML用于描述页面结构，为用户静态呈现页面内容，WXSS负责页面样式，给用户显示页面元素的外观，WXSS具有大部分CSS特性以适应广大前端开发者。逻辑层通过js (JavaScript)语言实现逻辑行为，完成用户与小程序的功能交互。
Ⅳ. 参考文献
[1] 霍艳宁 . 痤疮饮治疗寻常型痤疮临床疗效研究[J]. 中外女性健康研究, 2018.
[2] A. J. Padilla-Medina, F. Leoacute;n-Ordontilde;ez, J. Prado-Olivarez, N. VelaAguirre, A. Ramiacute;rez-Agundis, amp; J. Diacute;az-Carmona. “Assessment technique for acne treatments based on statistical parameters of skin thermal images,” Journal of biomedical optics, 2014.
[3] Chantharaphaichi T, Uyyanonvara B, Sinthanayothin C, et al. Automatic acne detection for medical treatment[C] //Information amp; Communication Technology for Embedded Systems. IEEE, 2015.
[4]Ramli R , Malik A S , Hani A F M , et al. Acne analysis, grading and computational assessment methods: an overview[J]. Skin research and technology: official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI), 2012, 18(1):1-14.
[5]茹荟霖,卢益萍.119 例寻常型痤疮中西医临床及影响因素分析[J].亚太传统医药,2017,13(20):128-130.
[6]池毅,张英彪,刘振敏,张方方.性激素水平与痤疮相关性分析[J].中国卫生工程学,2017,16(02):249-250.
[7]Malik A S , Humayun J , Kamel N , et al. Novel techniques for enhancement and segmentation of acne vulgaris lesions[J]. Skin Research and Technology, 2014, 20(3):322-331
[8]Dey, Biman Chandra, B. Nirmal, and Ramesh R. Galigekere. 'Automatic detection of acne scars: Preliminary results.' In 2013 IEEE Point-of-Care Healthcare Technologies (PHT), pp. 224-227. IEEE, 2013.
[9]张学工. 模式识别[M]. 北京：清华大学出版社，2010.
[10]C. Bishop, Pattern recognition and machine learning. 2006.
[11]Alamdari, Nasim, Kouhyar Tavakolian, Minhal Alhashim, and Reza Fazel-Rezai. 'Detection and classification of acne lesions in acne patients: A mobile application.' In 2016 IEEE International Conference on Electro Information Technology (EIT), pp. 0739-0743. IEEE, 2016
[12]Chantharaphaichit, Thanapha, Bunyarit Uyyanonvara, Chanjira Sinthanayothin, and Akinori Nishihara. 'Automatic acne detection with featured Bayesian classifier for medical treatment.' In Proceedings of The 3rd International Conference on Robotics, Informatics, and Intelligence control Technology (RIIT20 15), pp. 10-16. 2015.
[13]夏良正，李久贤. 数字图像处理（第2版）[M]. 南京：东南大学出版社，2006.
[14]周志华.机器学习[M]. 北京:清华大学出版社, 2016. 21-22.
[15]LeCun Y, Bengio Y. Convolutional networks for images, speech, and time series[J]. The handbook of brain theory and neural networks, 1995, 3361(10): 1995.
[16]温妮. 基于卷积神经网络的面部痤疮分级评估方法研究[D].北京协和医学院,2018
[17]Simard P Y, Steinkraus D, Platt J C. Best Practices for Convolutional Neural Networks Applied to Visual Document Analysis[C]//ICDAR. 2003, 3: 958-962.
[18]Ren S , He K , Girshick R , et al. Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks[J]. 2015.
[19]微信官方文档.小程序, https://developers.weixin.qq.com/miniprogram/dev/framework/MINA.html, 2019,06,29
[20]张晓燕.微信“小程序”开发的系统实现及前景[J].电子技术与软件工程,2018(12):49-50
- 文献综述（或调研报告）：
Ⅰ. 痤疮的类型及分级标准
痤疮发生在青春期皮脂腺来临之时[5]。皮脂腺体由于受到肾上腺产生的雄性激素的刺激会过度分泌油脂[11]。油脂的主要目的是润滑并保护皮肤，然而有时毛囊皮脂腺导管会发生堵塞导致皮下油脂的积聚，从而产生粉刺。严重的情况下皮肤中盛产这种油脂物体的细菌迅速繁殖，从而导致周围组织发炎[7]。
当受影响毛囊的毛孔靠近皮肤表面时将会出现“白头”型粉刺，若毛孔敞开，内部的油脂会被氧化变为黑色，产生“黑头”粉刺。如果炎症发生的部位在表皮附近将会形成丘疹，在痤疮的角度上，它是一种颜色为红色并且有褶皱肿胀的肿块。丘疹比白头或黑头更严重，但没有结节或囊肿那么严重，通常可以用干燥乳液或现场治疗来进行治疗。当毛孔周围的壁破裂时将会形成脓疱，与丘疹不同，脓疱中充满脓液，这些肿块从皮肤上生出，通常呈现红色,并且头部通常是黄色或白色的。如果没有及时对症下药，将有留下疤痕的风险。当炎症发生的部位超过一定深度，便有可能形成囊肿或者结节[8]。当毛孔堵塞时有可能形成结节，当毛孔被细菌、皮脂和死皮细胞的组合堵塞时有可能产生囊肿。
在临床诊疗中，医生根据病人面部的痤疮类型以及痤疮个数对患者进行严重度评级。根据严重程度和痤疮皮损性质可将痤疮分为四种等级，每级的诊断标准如下表：
表1. 痤疮分级标准
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
