Phân tích da 2D và 3D khác nhau thế nào?

Vì vậy, khác biệt cốt lõi không đơn giản là “ảnh phẳng so với ảnh nổi”, mà là 2D và 3D đang trả lời những câu hỏi khác nhau về cùng một vùng da.

Dữ liệu đầu vào của phân tích da 2D và 3D khác nhau ra sao?

Phân tích 2D biểu diễn da dưới dạng hình ảnh với mỗi vị trí ảnh chứa thông tin về đặc điểm quan sát được trên mặt phẳng. Các phương pháp này có thể khai thác màu sắc, độ sáng, tương phản, hoa văn và đặc điểm kết cấu để nhận diện hoặc định lượng các biểu hiện như đốm sắc tố, vùng đỏ, kết cấu da hoặc nếp nhăn. Một nghiên cứu so sánh VISIA và ANTERA 3D cho thấy hệ thống 2D VISIA có thể cung cấp các chỉ số về đốm, đốm UV, vùng đỏ và kết cấu.

Phân tích 3D thì bổ sung một lớp dữ liệu khác: vị trí của bề mặt trong không gian hoặc thông tin về hướng và địa hình bề mặt. Nhờ vậy, dữ liệu không chỉ mô tả “vùng da trông như thế nào” mà còn có thể mô tả “bề mặt thay đổi theo chiều sâu và hình học ra sao”. Các nghiên cứu về phân tích kết cấu da 3D sử dụng dữ liệu bề mặt có độ phân giải cao để đánh giá nếp nhăn, lỗ chân lông và mụn.

Có thể hình dung ngắn gọn:

·         2D: mỗi điểm ảnh chủ yếu cho biết đặc điểm hình ảnh tại vị trí đó

·         3D: mỗi vị trí còn được gắn với thông tin hình học của bề mặt

Do đó, 3D không nhất thiết thay thế hoàn toàn 2D. Hai phương pháp có thể cung cấp những lớp thông tin bổ sung cho nhau.

Khác biệt về dữ liệu hình học và đặc điểm bề mặt

Đây là điểm khác biệt quan trọng nhất khi so sánh hai phương pháp.

Với 2D, một nếp nhăn có thể được biểu diễn như một đường, vùng tối hoặc thay đổi về kết cấu trên ảnh. Thuật toán có thể nhận diện chiều dài, hình dạng hoặc mức độ biểu hiện của đường nhăn, nhưng dữ liệu ảnh thuần túy không trực tiếp chứa tọa độ độ sâu của bề mặt. Chính vì vậy, việc suy ra thể tích hoặc độ sâu thực từ ảnh 2D có những giới hạn nhất định; các phương pháp “định lượng 3D” từ ảnh 2D có thể mang tính giả lập nếu không có dữ liệu hình học thực.

Với 3D, bề mặt da được mô tả như một cấu trúc không gian. Điều này tạo điều kiện để đánh giá các đặc điểm hình học như:

·         Độ sâu hoặc biến thiên độ cao của nếp nhăn

·         Độ gồ ghề của bề mặt

·         Hình thái và kích thước tương đối của lỗ chân lông

·         Địa hình của vùng sẹo hoặc vùng lõm, nếu hệ thống có khả năng đo phù hợp

Một nghiên cứu về chụp ảnh da 3D in-vivo cho thấy dữ liệu 3D có thể được sử dụng để định lượng địa hình bề mặt, độ nhám và nếp nhăn trong đánh giá thay đổi của da theo thời gian.

Vì vậy, khi câu hỏi chuyển từ “da có biểu hiện gì?” sang “bề mặt da biến đổi về hình học như thế nào?”, dữ liệu 3D có lợi thế rõ rệt.

2D và 3D khác nhau thế nào khi đánh giá nếp nhăn, lỗ chân lông và kết cấu?

Nếp nhăn là ví dụ dễ thấy nhất về sự khác biệt.

Trong ảnh 2D, nếp nhăn thường được nhận diện dựa trên đường nét, độ tương phản hoặc đặc điểm kết cấu. Trong dữ liệu 3D, ngoài hình dạng trên ảnh, hệ thống có thể phân tích biến đổi hình học của bề mặt. Vì vậy, 3D phù hợp hơn với những bài toán mà độ sâu và địa hình là một phần quan trọng của đặc điểm cần đo. Nghiên cứu so sánh VISIA với ANTERA 3D cho thấy ANTERA 3D nhạy hơn trong đánh giá nếp nhăn trong nhóm đối tượng được nghiên cứu.

Với lỗ chân lông, dữ liệu 3D có thể bổ sung thông tin về hình thái và thể tích lỗ chân lông thay vì chỉ dựa vào diện tích hoặc biểu hiện hình ảnh. Nghiên cứu so sánh hai hệ thống cũng ghi nhận ANTERA 3D cung cấp các chỉ số liên quan đến pore index và pore volume.

Tuy nhiên, không nên hiểu rằng mọi hệ thống 3D luôn chính xác hơn 2D trong mọi chỉ số. Hiệu quả phụ thuộc vào công nghệ thu nhận, thuật toán, ánh sáng, vùng da, chỉ số cần đo và cách thiết bị định nghĩa phép đo. Nghiên cứu so sánh hai thiết bị cũng cho thấy một số chỉ số giữa 2D và 3D có tương quan, trong khi một số phép đo nếp nhăn và lỗ chân lông lại không tương quan tuyến tính.

2D có ưu thế gì và 3D giải quyết giới hạn nào?

2D có ưu thế khi thông tin cần quan sát chủ yếu nằm ở màu sắc và biểu hiện hình ảnh trên bề mặt. Đây là lý do các hệ thống chụp ảnh da 2D có thể hữu ích trong đánh giá đốm sắc tố, vùng đỏ, màu da và một số đặc điểm kết cấu.

Giới hạn của 2D xuất hiện khi một đặc điểm không thể được mô tả đầy đủ chỉ bằng màu sắc hoặc hình ảnh trên mặt phẳng. Một vết lõm, nếp nhăn sâu hay biến đổi địa hình bề mặt có thể có hình ảnh tương tự nhau nhưng khác nhau về hình học.

3D bổ sung chính lớp dữ liệu còn thiếu đó: quan hệ không gian của bề mặt. Các nghiên cứu về kết cấu da 3D cho thấy việc sử dụng thông tin bề mặt và hướng của bề mặt cho phép phân tích tính chất 3D của kết cấu, đồng thời vẫn có thể kế thừa một số đặc điểm của các phương pháp kết cấu 2D.

Do đó, lợi thế của 3D không nằm ở việc “nhiều chiều hơn” theo nghĩa hình thức, mà ở việc nó cung cấp Information Unit về hình học mà ảnh 2D thuần túy không trực tiếp chứa.

Khi nào nên ưu tiên phân tích da 2D và khi nào cần 3D?

Nếu mục tiêu chính là theo dõi màu sắc, sắc tố, vùng đỏ hoặc những biểu hiện có thể đánh giá tốt trên ảnh, 2D có thể đáp ứng đầy đủ nhu cầu phân tích.

Nếu mục tiêu tập trung vào nếp nhăn, độ nhám, lỗ chân lông, địa hình hoặc các biến đổi hình học của bề mặt, 3D có giá trị hơn vì dữ liệu đầu vào chứa thêm thông tin không gian. Các nghiên cứu thực nghiệm đã sử dụng dữ liệu 3D để định lượng thay đổi về độ nhám và địa hình bề mặt sau các liệu trình chăm sóc da.

Trong thực tế, lựa chọn không nhất thiết phải là 2D hoặc 3D. Một hệ thống phân tích có thể kết hợp thông tin hình ảnh với thông tin hình học. Nghiên cứu về chụp ảnh đa chiều cho da cũng mô tả việc kết hợp thông tin không gian 3D với thông tin phản xạ quang phổ 2D để mô tả bề mặt da toàn diện hơn.

Vì vậy, tiêu chí phù hợp nhất là loại dữ liệu cần đo, không phải việc công nghệ được gọi là 2D hay 3D.

Phân tích da 2D và 3D khác nhau cốt lõi ở đâu?

Có thể tóm tắt sự khác biệt như sau:

Điểm cần lưu ý là không thể kết luận một phương pháp luôn tốt hơn phương pháp còn lại. Hai loại dữ liệu có phạm vi đo khác nhau và một số chỉ số có thể tương quan, nhưng không nhất thiết cho kết quả tương đương giữa các thiết bị.

Vì thế, nếu câu hỏi là “da có biểu hiện màu sắc hoặc tổn thương bề mặt nào?”, 2D thường đã cung cấp lớp thông tin quan trọng. Nếu câu hỏi là “bề mặt da biến dạng, lõm, nhăn hoặc gồ ghề đến mức nào?”, 3D cung cấp thêm lớp dữ liệu hình học cần thiết để trả lời sâu hơn.