Page 208 - 鼻整形技术研究

鼻整形技术研究 第九章 眼部整形美容手术
Research on Nasal Plastic Surgery Technology

模型，用 Score-CAM 可视化了模型如何捕获测试数据的特征，随后验证了是否可以
使用图像自动诊断上睑下垂，他们采用 k-fold 交叉验证（k=5）将训练和验证分离。
检查受试者工作特征曲线检测上睑下垂的敏感性为 83.0%（95% CI：79.8-85.9），特
异性为 82.5%（95% CI：79.4-85.4）。验证数据的准确度为 82.8%，AUC 为 0.900（95%CI：

0.882-0.917），证明了该模型诊断上睑下垂具有很高的准确性。同年，Hung 等基于
VGG-16 神经网络实现了对上睑下垂患者单眼外观照片的自动识别，结果显示 AI 对
上睑下垂的诊断优于全科医生。
另外，AI 还为规划手术策略提供了客观的依据，而不是仅依赖于外科医生的经

验来做出诊疗。Mawatari 等用镜像处理软件创建上睑下垂手术后预期外观图像，预
测图像显示边缘反射距离－ 1 降低，眉毛高度增加，皮肤高度高于术后结果。因此，
在上睑下垂手术前，建立预期的术后图像是一个有用的模拟程序，可以帮助患者预测
术后可能的外观。Song 等将 7 个与上睑下垂相关的 2D 和 3D 眼部数据整合到数据库

中，构建了上睑下垂手术决策模型。他们设置了 3 种实验方案：单独使用 2D 距离、
单独使用 3D 距离、同时使用两个距离进行试验设计。三种方案的手术分类精度分别
为 0.8333、0.7778 和 1.0000。结果表明该模型在 2D 和 3D 数据联合使用时效果最好。
最后，建立计算机辅助上睑下垂手术设计。但由于时间和空间的原因，该研究没有涉

及参数和结果的相关性研究，所以还有待于进一步的研究。上述研究说明 AI 可以减
少传统的低效率或障碍，在上睑下垂的检测、诊断及治疗决策方面大大提高了效率和
准确率。
（二）单睑

随着社会经济的快速发展，人们对美的需求也日益增加，目前追求重睑形态的人
也日渐增多。1929 年，Maruo 在 Japanese Journal of Ophthalmology 上报道了首例切开
法重睑成形术。如今，重睑成形术的诞生已经有上百年的历史，也涌现出许多不同的
手术方式，例如缝线法、切开法和埋线法等。然而，不同的种族、文化及个人偏好都

造成了对美的不同理解。另外，由于人眼解剖结构相对复杂，每个人都具有自己独特
的眼形和眉形，她们是否适合重睑以及适合什么样的重睑，都必须综合大众的审美和
求美者自身的取向。因此，在手术前需要做谨慎地评估，选择适合的手术方式。以审
美为目的的眼睑手术需要艺术判断和客观评价。但由于头部的运动和面部表情导致的

细微差异，很难对眼睑手术进行比较和真正客观地评价。随着 AI 技术的发展和普及，
通过机器学习算法对人脸特征进行分析并建立模型来实现面部外观评价已经成为研究
热点之一。Zhai 等提出了一种全新的面部检测新方法 BeautyNet 用于面部美丽预测，
该方法基于卷积神经网络，采用多尺度网络提高人脸特征的判别能力，并提出了融合

不同尺度特征的多尺度模型来获取深度特征，采用迁移学习策略缓解了过拟合现象，

• 198 •