Met slechts een scan van iemands gezicht en enkele basisgegevens - zoals lengte en gewicht - kan wiskundige Alessio Gallucci een complete 3D-lichaamsscan maken. Om de 3D-analyse van onze huid te verbeteren, zet Gallucci deep learning-technologie in. Zo brengt hij de menselijke huid beter in kaart, wat kan helpen bij het opsporen van bijvoorbeeld huidkanker. Gallucci promoveerde onlangs aan de faculteit Wiskunde en Informatica van de TU Eindhoven (TU/e).
Gallucci heeft de afgelopen vier jaar gewerkt aan een veelzijdige inzet van 3D-analyses van de huid. Dat kan behulpzaam zijn voor het ontwerpen van scheer- en trim-apparatuur, maar heeft ook health-toepassingen. Galluci besloot toegepast onderzoek en diepgaand wetenschappelijk onderzoek te combineren via een promotietraject bij Philips Research en de faculteit Wiskunde en Informatica van de TU/e.
In kaart brengen menselijke huid
"Er zijn veel voordelen aan het beter in kaart kunnen brengen van de menselijke huid", vertelt Gallucci uit. “Natuurlijk is het fijn om een mooie baard te kunnen maken, maar ook in de medische wereld creëert nieuwe technologie meer mogelijkheden. In grote lijnen heeft mijn project betrekking op twee toepassingsgebieden: de huidvorm globaal en lokaal. Hierbij werd zowel in 2D als in 3D gekeken."
Een globale schatting van de oppervlakte van de huid of van de lichaamsvorm kan een belangrijk hulpmiddel zijn voor medisch specialisten. Bijvoorbeeld wanneer ze bepalen hoeveel huid is verbrand voor een patiënt met ernstige brandwonden. Of bij het berekenen van de juiste hoeveelheid chemotherapie op basis van het totale lichaamsoppervlak van de patiënt. Te vaak, zegt Gallucci, leiden huidige schattingen tot onnauwkeurige resultaten. Een full body scan biedt de nodige precisie maar is kostbaar en levert veel data op.
“Daarom produceerden we een model dat in staat is om de vorm van het lichaam te bepalen op basis van de vorm van het gezicht van de persoon en wat basisgegevens, zoals leeftijd, gewicht en lengte."En dat bleek te werken: de methode is zeer nauwkeurig en levert resultaten op die sterk lijken op die van een full body scan. Omdat elke huid uniek is, was Galluci alert op vooringenomenheid (bias) als gevolg van het bovengemiddelde aandeel van blanke mannen onder proefpersonen. "Een betere benadering van echte diversiteit zou in de toekomst kunnen worden bereikt door meer datasets te gebruiken die zijn verzameld van mensen van verschillende nationaliteiten en met verschillende huidskleuren."
Detailonderzoek
Gallucci heeft de menselijke huid ook in detail onderzocht. AI-technologie zoals deep learning kan volgens hem kan een grote hulp zijn bij het diagnosticeren van huidkanker. Wanneer is een verdacht uitziende moedervlek ongevaarlijk en wanneer is het het begin van een tumor? "We moeten computersystemen trainen en voeden met veel afbeeldingen om de algoritmen te blijven verbeteren. We hebben ook onderzocht hoe we de deep learning die we gebruiken met deze applicatie kunnen verbeteren en we hebben gekeken hoe we kunstmatige beelden van huidaandoeningen kunnen genereren om het leerproces te vergemakkelijken.”
Verder programmeerde Gallucci de AI-software om lichaamsharen met grote nauwkeurigheid te tellen. Dit kan allereerst nuttig zijn voor het verbeteren van persoonlijke verzorgingsapparaten zoals scheerapparaten en epilators. Maar wanneer kunstmatige neurale netwerken worden getraind, kan het er ook voor zorgen dat de hoeveelheid lichaamshaar niet langer een obstakel vormt voor het analyseren van een verdacht uitziend stukje huid.
