Page 209 - 鼻整形技术研究

第九章 眼部整形美容手术

在有限标记数据下实现了无约束的人脸美预测。他们建立了一个名为 LSFBD 的大型
数据库，在 LSFBD 上进行的大量实验表明，该方法优于其他现有方法，在分类准确
度方面可获得 67.48% 的分类准确率。随着 3D 摄像和测量等技术的不断发展，面部
年轻化术后效果监测的量化工具也在不断涌现，这为眼整形外科医师提供了一种预测

眼部形态变化的有效手段。此外，构建面部数据库还提升了在临床实践中运用 AI 技
术进行面部美观评估的可操作性。眼部的整体美观度与面部息息相关，因此，可以运
用该预测方法对眼部进行评估，通过术前和术后的美观对比来评估手术效果，并使用
AI 进行美观评估，从而为临床医生和患者提供更加客观的评价结果。

（三）眼袋
眼袋通常是由于眼睑皮肤、肌肉、眶隔筋膜等眼周组织发生松弛，支撑力减弱，
从而导致眶内脂肪突出形成袋状眼睑畸形，多见于下睑。严重的眼袋不仅使面部显得
衰老而憔悴，对容貌外观和精神面貌产生明显的影响，而且还可能进一步加重眼睑松

弛，引起下睑内翻或外翻等眼部并发症。
整形手术是治疗眼袋最有效的手段，主要是通过切除突出的眶隔脂肪以及多余的
皮肤组织而达到美容效果，这是一种由外科医生制定个性化整形手术计划的方法。眼
部整形手术的主要目的是实现预期的审美效果。然而，由于各种主观因素，很难判断

预期的美学结果。Zhai 等提出了一种新的基于迁移学习 CNN 的面部检测方法，该方
法比以往的几何评估方法具有更好的分类精度，可预测眼部整形手术效果。Yi 等通过
比较基于多通道 CNN 的眼睛模型评估的整容患者术后效果与医生的经验进行评估的
整容患者，探讨了眼睑对整容手术和美容效果的影响。CNN 测评组的术后程度、下

眼睑皮肤皱纹、眼睑泪沟、皮肤光泽、美学评分均优于对照组，提示 CNN 是评估眼
部整形手术的有益工具，这项研究的结果表明基于多通道 CNN 的眼部模型有助于提
高手术后患者的美观效果，并可减少术后并发症的发生。通过这些研究可以看出，AI
在眼部整形手术领域的发展前景十分可观，值得进一步探索和推广。

（四）眼睑肿物
眼睑肿瘤是日常眼科中最常见的肿瘤。由于眼睑有多种组织类型，因此可发生各
种良性和恶性肿瘤。眼睑和眼周皮肤肿瘤会严重影响患者的健康和审美。眼睑恶性肿
瘤因其靠近眼球、大脑和鼻窦，还可能会导致毁容和严重的并发症。目前眼睑肿瘤的

诊断通常是术后对肿物进行病理检查，随着 AI 技术的发展，发现通过外部摄影可以
进行早期初步筛查，并有助于发现和监测这些肿瘤。Seeja 等研发了一个基于 CNN 的
UNet，可以自动分割皮肤病变，并区分黑色素瘤与良性皮肤病变。在深度学习环境中，
U － Net 分割算法被认为是分割的最佳方法，有助于提高分类性能。Wang 等开发了

• 199 •