CN108154503A - 一种基于图像处理的白癜风病情诊断系统 - Google Patents
一种基于图像处理的白癜风病情诊断系统 Download PDFInfo
- Publication number
- CN108154503A CN108154503A CN201711414240.6A CN201711414240A CN108154503A CN 108154503 A CN108154503 A CN 108154503A CN 201711414240 A CN201711414240 A CN 201711414240A CN 108154503 A CN108154503 A CN 108154503A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- area
- skin lesion
- leucoderma
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010040882 skin lesion Diseases 0.000 claims abstract description 62
- 231100000444 skin lesion Toxicity 0.000 claims abstract description 62
- 238000011282 treatment Methods 0.000 claims abstract description 24
- 230000001225 therapeutic effect Effects 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000012986 modification Methods 0.000 claims abstract description 9
- 230000004048 modification Effects 0.000 claims abstract description 9
- 238000003909 pattern recognition Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 6
- 230000008859 change Effects 0.000 abstract description 5
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 206010047642 Vitiligo Diseases 0.000 abstract description 3
- 230000003902 lesion Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 208000024780 Urticaria Diseases 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000049 pigment Substances 0.000 description 2
- 208000017520 skin disease Diseases 0.000 description 2
- 201000004681 Psoriasis Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 230000037311 normal skin Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000037380 skin damage Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30088—Skin; Dermal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种基于图像处理的白癜风病情诊断系统,包括图像采集模块、图像修饰模块、图像处理模块、三维重构模块、皮损区图形识别模块、皮损区尺寸测量模块、皮损区面积计算模块、病情评估模块和中央处理器。本发明通过kinect深度传感器获取了每个图像内每个像素所用的位数,从而实现了白癜风患者皮损部位颜色变化的监测,通过三维图像的重构实现了将图像从平面转换为三维的目的,通过预设的模板、标尺以及面积计算方法完成了皮损区域图形的识别、尺寸的测量以及面积的计算,从而完成了患者白癜风病情的诊断和评估;本发明可以直观记录白癜风图像的颜色和皮损的面积变化,通过治疗前后的皮损图像,完成对疗效以及治疗方式的客观评价。
Description
技术领域
本发明涉及医疗诊断领域,具体涉及一种基于图像处理的白癜风病情诊断系统。
背景技术
白癜风是一种十分寻常、发病率较高的皮肤疾病,临床表现为:以四肢、脸部、背部为主的皮肤,可以累及全身各处皮肤,出现的形态各异,大小不等、边缘清晰的白斑。早期白癜风患者如果没有及时得到有效治疗,往往恢复变得异常困难。由于白癜风多发于面颈部等暴露部位皮肤,这对于患者精神心理影响已经远远超过了对患者身体健康的影响,严重干扰了患者心理状态以及日常生活,严重影响患者的社交能力、学习能力和工作效率。但直到今天还没有一种客观高效的对白癜风严重程度的评价方法,以往医生主要通过目测,估算来提示疾病的严重程度,这显然很难达到科学、高效。对于疗效的评价也很难客观。同时也制约着对新药的开发效果。随着电子技术、光学技术、芯片技术、三维成像技术的广泛应用,使我们的设想有了实现的硬件环境。
数字图像处理的是将图像转换为计算机可处理的数字信号,并对数字化图像进行一系列处理的过程。20世纪70年代,随着计算机断层扫描技术(CT)的出现和发展,数字图像处理开始应用于医疗行业。
在白癜风疗效评估过程中,最关键的就是要确定白癜风皮损区域的面积,其次是白斑的颜色变化,即与正常皮肤之间的色差。近些年来,随着医疗水平的不断提高,越来越多的白癜风的治疗方式层出不穷,治疗效果也有了显著的提高,然而,绝大多数的评估手段仍然还是依赖于医生凭自己的工作经验,人工对白癜风患者的皮损面积和色素等级进行评估。这种粗略的估计方法往往只适用于规则、明显的皮损面积。事实上,大多数的白癜风皮损大小不一、形状各异,白斑区中央还可能有岛屿状色素点。传统的评估方法对这些形状不规则的白斑测量误差十分大、误判率较高。与此同时,白癜风治疗的手段和费用也与皮损面积相关,并且治疗往往有多个阶段,对每个阶段的疗效都要进行评估,因此,急需一种客观、快速、可重复的评估手段。
发明内容
本发明的目的在于提供了一种基于图像处理的白癜风病情诊断系统,能够有效快速定量白癜风图像颜色和白斑面积。
为实现上述目的,本发明采取的技术方案为:
一种基于图像处理的白癜风病情诊断系统,包括
图像采集模块,用于进行目标图像的采集,并将所采集到的图像发送到图像修饰模块;所采集到的每个图像都带有在图像采集时摄像头与所拍摄物体之间的距离值;
图像修饰模块,用于通过结构元素遍历整个图像,平滑皮损区域的边缘,并将图像的亮度调整到预设的标准值;
图像处理模块,用于通过kinect深度传感器进行完成图像修饰的图像数据深度图像的获取,并将获取的深度图像发送到三维重构模块;
三维重构模块,用于将所获得的深度图像进行三角化,然后在尺度空间中融合所有三角化的深度图像构建分层有向距离场,对距离场中所有的体素应用整体三角剖分算法产生一个涵盖所有体素的凸包,并利用Marching Tetrahedra算法构造等值面,完成三维图像的重构;
皮损区图形识别模块,用于通过预设的图形模板进行所得的三维图像内皮损区形状的分割和识别;
皮损区尺寸测量模块,用于根据皮损区图形识别模块的识别结果进行对应的标尺的调用,通过调用的标尺皮损区的尺寸进行测量,自动输出测量结果;所述标尺可根据图像的大小、变形进行缩放和拉伸;
皮损区面积计算模块,用于根据预设的图形模板面积计算算法进行各区域皮损区面积的计算,并根据每一个图像所对应的超声波测距结果进行面积比例的换算,并将所有的换算结果进行统计,得皮损区总面积;
病情评估模块,用于将所得的皮损区总面积与病情判定模型数据库内的皮损区总面积值进行对比,将最相似的对比结果作为该病患病情的评估结果,并将评估结果输出发送到显示屏进行显示;
中央处理器,用于根据人机操作模块输入的控制命令协调上述模块进行工作,并用于根据人机操作模块输入的数据调用命令进行相应数据的调用。
优选地,所述图像采集模块采用一带超声波测距装置的摄像头。
优选地,还包括一数据储存模块,用于将每一次处理后的图像按照患者姓名、部位、拍摄时间以及治疗方案进行编号与存档。
优选地,还包括一疗效评估模块,通过计算治疗前后面积比对治疗效果进行评估,其中面积比计算公式如下:面积比=(治疗前皮损面积-治疗后皮损面积)÷治疗前皮损面积×100%。
优选地,还包括一治疗方案评估模块:用于比较统一治疗方案治疗前后的皮损区域的实际面积,计算出不同治疗阶段前后的面积比,以得到治疗有效率,该治疗有效率=(痊愈患者人数+显效患者人数)患者人数×100%。
优选地,所述图形模板至少包括三角形、圆形、半圆形、椭圆形、梯形、正方形、长方形、平行四边形以及非规则图形。
优选地,每个图形模板对应一个面积计算公式和测量标尺。
优选地,还包括一数据检索模块,用于根据用户输入的数据需求在数据储存模块内进行单因素和多因素查询,并将查询结果发送到显示屏进行显示。
本发明具有以下有益效果:
通过kinect深度传感器获取了每个图像内每个像素所用的位数,从而实现了白癜风患者皮损部位颜色变化的监测,通过三维图像的重构实现了将图像从平面转换为三维的目的,经实验可知,利用Kinect传感器采集的不同的深度图像完成目标物体的三维重建,仅需要48s,并且可以得到非常精细的重建效果;然后再通过预设的模板、标尺以及面积计算方法完成了皮损区域图形的识别、尺寸的测量以及面积的计算,从而完成了患者白癜风病情的诊断和评估;同时通过配置有超声波测距装置的摄像头进行原始图像的采集,避免了由于摄像头与所拍摄面的距离变化而带来的面积计算误差,进一步提高了系统的精确度;本发明可以直观记录白癜风图像的颜色和皮损的面积变化,通过治疗前后的皮损图像,计算出面积比,按照患者姓名和部位与拍摄时间的所有样本图像进行统计分析,由此可以对治疗方式进行客观的评价。
附图说明
图1为本发明实施例一种基于图像处理的白癜风病情诊断系统的系统框图。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种基于图像处理的白癜风病情诊断系统,包括
图像采集模块,用于进行目标图像的采集,并将所采集到的图像发送到图像修饰模块;所采集到的每个图像都带有在图像采集时摄像头与所拍摄物体之间的距离值;所述图像采集模块采用一带超声波测距装置的摄像头,优选地,可以在摄像头内设置蓝牙模块,将该诊断系统设计成一手机APP,通过蓝牙模块将摄像头素采集到的图像传输到该手机中,然后通过手机完成图像的上传即可实现病情的诊断。
图像修饰模块,用于通过结构元素遍历整个图像,平滑皮损区域的边缘,并将图像的亮度调整到预设的标准值;
图像处理模块,用于通过kinect深度传感器进行完成图像修饰的图像数据深度图像的获取,并将获取的深度图像发送到三维重构模块;
三维重构模块,用于将所获得的深度图像进行三角化,然后在尺度空间中融合所有三角化的深度图像构建分层有向距离场,对距离场中所有的体素应用整体三角剖分算法产生一个涵盖所有体素的凸包,并利用Marching Tetrahedra算法构造等值面,完成三维图像的重构;
皮损区图形识别模块,用于通过预设的图形模板进行所得的三维图像内皮损区形状的分割和识别;具体使用时,该模块首先将图像内的皮损区形状与预设的图像模板进行相似度对比,若对比的相似度大于90%,那么则将该皮损区域形状认为是该模块的图形;若所有的模板对比结果均低于90%,则启动图像分割程序,将图像分割成若干个不同的或者相同的图形模板,直至完成整个皮损区域的图形分割,分割的结果至少包括其所包含的图形模板种类、数量以及大小比例。
皮损区尺寸测量模块,用于根据皮损区图形识别模块的识别结果进行对应的标尺的调用,通过调用的标尺皮损区的尺寸进行测量,自动输出测量结果;所述标尺可根据图像的大小、变形进行缩放和拉伸;
皮损区面积计算模块,用于根据预设的图形模板面积计算算法进行各区域皮损区面积的计算,并根据每一个图像所对应的超声波测距结果进行面积比例的换算,并将所有的换算结果进行统计,得皮损区总面积;
病情评估模块,用于将所得的皮损区总面积与病情判定模型数据库内的皮损区总面积值进行对比,将最相似的对比结果作为该病患病情的评估结果,并将评估结果输出发送到显示屏进行显示;
数据储存模块,用于将每一次处理后的图像按照患者姓名、部位、拍摄时间以及治疗方案进行编号与存档;
疗效评估模块,通过计算治疗前后面积比对治疗效果进行评估,其中面积比计算公式如下:面积比=(治疗前皮损面积-治疗后皮损面积)÷治疗前皮损面积×100%;
治疗方案评估模块:用于比较统一治疗方案治疗前后的皮损区域的实际面积,计算出不同治疗阶段前后的面积比,以得到治疗有效率,该治疗有效率=(痊愈患者人数+显效患者人数)患者总数×100%;
数据检索模块,用于根据用户输入的数据需求在数据储存模块内进行单因素和多因素查询,并将查询结果发送到显示屏进行显示;
中央处理器,用于根据人机操作模块输入的控制命令协调上述模块进行工作,并用于根据人机操作模块输入的数据调用命令进行相应数据的调用。
本具体实施还可以用于皮肤病更广泛的领域,凡是理论上皮损界限清楚的疾病都可以采用比如:银屑病、黑痣、咖啡斑、荨麻疹风团面积计算等等疾病,并可以通过准确的面积计算给患者指导外用药物剂量合理运用,从而更好的达到治疗效果。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于图像处理的白癜风病情诊断系统,其特征在于,包括:
图像采集模块,用于进行目标图像的采集,并将所采集到的图像发送到图像修饰模块;所采集到的每个图像都带有在图像采集时摄像头与所拍摄物体之间的距离值;
图像修饰模块,用于通过结构元素遍历整个图像,平滑皮损区域的边缘,并将图像的亮度调整到预设的标准值;
图像处理模块,用于通过kinect深度传感器进行完成图像修饰的图像数据深度图像的获取,并将获取的深度图像发送到三维重构模块;
三维重构模块,用于将所获得的深度图像进行三角化,然后在尺度空间中融合所有三角化的深度图像构建分层有向距离场,对距离场中所有的体素应用整体三角剖分算法产生一个涵盖所有体素的凸包,并利用Marching Tetrahedra算法构造等值面,完成三维图像的重构;
皮损区图形识别模块,用于通过预设的图形模板进行所得的三维图像内皮损区形状的分割和识别;
皮损区尺寸测量模块,用于根据皮损区图形识别模块的识别结果进行对应的标尺的调用,通过调用的标尺皮损区的尺寸进行测量,自动输出测量结果;所述标尺可根据图像的大小、变形进行缩放和拉伸;
皮损区面积计算模块,用于根据预设的图形模板面积计算算法进行各区域皮损区面积的计算,并根据每一个图像所对应的超声波测距结果进行面积比例的换算,并将所有的换算结果进行统计,得皮损区总面积;
病情评估模块,用于将所得的皮损区总面积与病情判定模型数据库内的皮损区总面积值进行对比,将最相似的对比结果作为该病患病情的评估结果,并将评估结果输出发送到显示屏进行显示;
中央处理器,用于根据人机操作模块输入的控制命令协调上述模块进行工作,并用于根据人机操作模块输入的数据调用命令进行相应数据的调用。
2.如权利要求1所述的一种基于图像处理的白癜风病情诊断系统,其特征在于,所述图像采集模块采用一带超声波测距装置的摄像头。
3.如权利要求1所述的一种基于图像处理的白癜风病情诊断系统,其特征在于,还包括一数据储存模块,用于将每一次处理后的图像按照患者姓名、部位、拍摄时间以及治疗方案进行编号与存档。
4.如权利要求1所述的一种基于图像处理的白癜风病情诊断系统,其特征在于,还包括一疗效评估模块,通过计算治疗前后面积比对治疗效果进行评估,其中面积比计算公式如下:面积比=(治疗前皮损面积-治疗后皮损面积)÷治疗前皮损面积×100%。
5.如权利要求1所述的一种基于图像处理的白癜风病情诊断系统,其特征在于,还包括一治疗方案评估模块:用于比较统一治疗方案治疗前后的皮损区域的实际面积,计算出不同治疗阶段前后的面积比,以得到治疗有效率,该治疗有效率=(痊愈患者人数+显效患者人数)患者总数×100%。
6.如权利要求1所述的一种基于图像处理的白癜风病情诊断系统,其特征在于,所述图形模板至少包括三角形、圆形、半圆形、椭圆形、梯形、正方形、长方形、平行四边形以及非规则图形。
7.如权利要求5所述的一种基于图像处理的白癜风病情诊断系统,其特征在于,每个图形模板对应一个面积计算公式和测量标尺。
8.如权利要求1所述的一种基于图像处理的白癜风病情诊断系统,其特征在于,还包括一数据检索模块,用于根据用户输入的数据需求在数据储存模块内进行单因素和多因素查询,并将查询结果发送到显示屏进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711414240.6A CN108154503A (zh) | 2017-12-13 | 2017-12-13 | 一种基于图像处理的白癜风病情诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711414240.6A CN108154503A (zh) | 2017-12-13 | 2017-12-13 | 一种基于图像处理的白癜风病情诊断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108154503A true CN108154503A (zh) | 2018-06-12 |
Family
ID=62465603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711414240.6A Pending CN108154503A (zh) | 2017-12-13 | 2017-12-13 | 一种基于图像处理的白癜风病情诊断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108154503A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110507285A (zh) * | 2019-08-21 | 2019-11-29 | 江苏博润医疗集团有限公司 | 一种皮肤病患者用的护理装置 |
CN110544534A (zh) * | 2019-08-30 | 2019-12-06 | 中国人民解放军联勤保障部队第九〇〇医院 | 一种皮肤病治疗效果自动评估方法与系统 |
CN111368672A (zh) * | 2020-02-26 | 2020-07-03 | 苏州超云生命智能产业研究院有限公司 | 一种用于遗传病面部识别模型的构建方法及装置 |
CN111508016A (zh) * | 2020-04-14 | 2020-08-07 | 南京泓图人工智能技术研究院有限公司 | 一种基于图像处理的白癜风区域色度值和面积计算的方法 |
CN112420199A (zh) * | 2020-12-17 | 2021-02-26 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种基于白癜风色度的疗效评估方法 |
CN113066119A (zh) * | 2021-06-02 | 2021-07-02 | 杭州咏柳科技有限公司 | 一种皮损信息的分析系统 |
CN114882018A (zh) * | 2022-06-30 | 2022-08-09 | 杭州咏柳科技有限公司 | 一种基于图像的银屑病严重程度的评估系统 |
CN114947756A (zh) * | 2022-07-29 | 2022-08-30 | 杭州咏柳科技有限公司 | 基于皮肤图像的特应性皮炎严重程度的智能评估决策系统 |
CN116269217A (zh) * | 2023-02-10 | 2023-06-23 | 安徽医科大学 | 一种基于深度学习的白癜风治疗效果量化评估方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533517A (zh) * | 2009-04-15 | 2009-09-16 | 北京联合大学 | 一种基于结构特征的中国书画印章图像自动提取方法 |
CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
CN102858955A (zh) * | 2010-02-23 | 2013-01-02 | 国家医疗保健研究所 | 由人多潜能干细胞制备人黑色素细胞的方法 |
CN104318603A (zh) * | 2014-09-12 | 2015-01-28 | 上海明穆电子科技有限公司 | 从手机相册调取照片生成3d模型的方法及系统 |
CN104751178A (zh) * | 2015-03-31 | 2015-07-01 | 上海理工大学 | 基于形状模板匹配结合分类器的肺结节检测装置及方法 |
US20150289848A1 (en) * | 2014-04-14 | 2015-10-15 | Korea Advanced Institute Of Science And Technology | Method and apparatus for registration of medical images |
CN105100501A (zh) * | 2015-08-27 | 2015-11-25 | 黑龙江科技大学 | 一种基于物联网的手机计算系统 |
CN106372575A (zh) * | 2016-08-22 | 2017-02-01 | 宿州学院 | 一种远程监控智能人像识别管理系统 |
CN106611413A (zh) * | 2016-11-30 | 2017-05-03 | 上海联影医疗科技有限公司 | 图像分割方法及其系统 |
CN106781276A (zh) * | 2016-12-23 | 2017-05-31 | 平顶山学院 | 一种老人异常行为监测系统 |
CN107049263A (zh) * | 2017-06-14 | 2017-08-18 | 武汉理工大学 | 基于图像处理的白癜风病情诊断与疗效评估方法与系统 |
US20170332945A1 (en) * | 2010-06-13 | 2017-11-23 | Angiometrix Corporation | Methods and systems for determining vascular bodily lumen information and guiding medical devices |
-
2017
- 2017-12-13 CN CN201711414240.6A patent/CN108154503A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533517A (zh) * | 2009-04-15 | 2009-09-16 | 北京联合大学 | 一种基于结构特征的中国书画印章图像自动提取方法 |
CN102858955A (zh) * | 2010-02-23 | 2013-01-02 | 国家医疗保健研究所 | 由人多潜能干细胞制备人黑色素细胞的方法 |
US20170332945A1 (en) * | 2010-06-13 | 2017-11-23 | Angiometrix Corporation | Methods and systems for determining vascular bodily lumen information and guiding medical devices |
CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
US20150289848A1 (en) * | 2014-04-14 | 2015-10-15 | Korea Advanced Institute Of Science And Technology | Method and apparatus for registration of medical images |
CN104318603A (zh) * | 2014-09-12 | 2015-01-28 | 上海明穆电子科技有限公司 | 从手机相册调取照片生成3d模型的方法及系统 |
CN104751178A (zh) * | 2015-03-31 | 2015-07-01 | 上海理工大学 | 基于形状模板匹配结合分类器的肺结节检测装置及方法 |
CN105100501A (zh) * | 2015-08-27 | 2015-11-25 | 黑龙江科技大学 | 一种基于物联网的手机计算系统 |
CN106372575A (zh) * | 2016-08-22 | 2017-02-01 | 宿州学院 | 一种远程监控智能人像识别管理系统 |
CN106611413A (zh) * | 2016-11-30 | 2017-05-03 | 上海联影医疗科技有限公司 | 图像分割方法及其系统 |
CN106781276A (zh) * | 2016-12-23 | 2017-05-31 | 平顶山学院 | 一种老人异常行为监测系统 |
CN107049263A (zh) * | 2017-06-14 | 2017-08-18 | 武汉理工大学 | 基于图像处理的白癜风病情诊断与疗效评估方法与系统 |
Non-Patent Citations (1)
Title |
---|
姚砺等: "一种三维人体表面成像技术在人体烧伤面积估算中的应用", 《东华大学学报(自然科学版)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110507285A (zh) * | 2019-08-21 | 2019-11-29 | 江苏博润医疗集团有限公司 | 一种皮肤病患者用的护理装置 |
CN110544534A (zh) * | 2019-08-30 | 2019-12-06 | 中国人民解放军联勤保障部队第九〇〇医院 | 一种皮肤病治疗效果自动评估方法与系统 |
CN110544534B (zh) * | 2019-08-30 | 2022-04-19 | 中国人民解放军联勤保障部队第九〇〇医院 | 一种皮肤病治疗效果自动评估方法与系统 |
CN111368672A (zh) * | 2020-02-26 | 2020-07-03 | 苏州超云生命智能产业研究院有限公司 | 一种用于遗传病面部识别模型的构建方法及装置 |
CN111508016A (zh) * | 2020-04-14 | 2020-08-07 | 南京泓图人工智能技术研究院有限公司 | 一种基于图像处理的白癜风区域色度值和面积计算的方法 |
CN111508016B (zh) * | 2020-04-14 | 2023-11-17 | 南京泓图人工智能技术研究院有限公司 | 一种基于图像处理的白癜风区域色度值和面积计算的方法 |
CN112420199A (zh) * | 2020-12-17 | 2021-02-26 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种基于白癜风色度的疗效评估方法 |
CN113066119A (zh) * | 2021-06-02 | 2021-07-02 | 杭州咏柳科技有限公司 | 一种皮损信息的分析系统 |
CN114882018A (zh) * | 2022-06-30 | 2022-08-09 | 杭州咏柳科技有限公司 | 一种基于图像的银屑病严重程度的评估系统 |
CN114947756A (zh) * | 2022-07-29 | 2022-08-30 | 杭州咏柳科技有限公司 | 基于皮肤图像的特应性皮炎严重程度的智能评估决策系统 |
CN116269217A (zh) * | 2023-02-10 | 2023-06-23 | 安徽医科大学 | 一种基于深度学习的白癜风治疗效果量化评估方法 |
CN116269217B (zh) * | 2023-02-10 | 2024-04-26 | 安徽医科大学 | 一种基于深度学习的白癜风治疗效果量化评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154503A (zh) | 一种基于图像处理的白癜风病情诊断系统 | |
Adegun et al. | Deep learning-based system for automatic melanoma detection | |
Lo et al. | Point2volume: A vision-based dietary assessment approach using view synthesis | |
CN101561710B (zh) | 一种基于人脸姿态估计的人机交互方法 | |
CN103126655B (zh) | 一种非约束目标的非接触式脉搏波采集系统及采集方法 | |
CN109559292A (zh) | 基于卷积稀疏表示的多模态图像融合方法 | |
US9418422B2 (en) | Skin image analysis | |
Lou et al. | A review on automated facial nerve function assessment from visual face capture | |
CN104688184A (zh) | 可见光皮肤图像的静脉显像方法 | |
CN107122593A (zh) | 基于深度扫描与信息分析的上肢淋巴水肿监测系统 | |
CN112419479B (zh) | 一种基于体重身高及身体影像的体型数据计算方法 | |
CN112750531A (zh) | 一种中医自动化望诊系统、方法、设备和介质 | |
CN109919212A (zh) | 消化道内镜影像中肿瘤的多尺度检测方法及装置 | |
CN108159576A (zh) | 一种放疗中人体胸腹表面区域呼吸运动预测方法 | |
Lin et al. | Detection of multipoint pulse waves and dynamic 3D pulse shape of the radial artery based on binocular vision theory | |
Pathan et al. | Classification of benign and malignant melanocytic lesions: A CAD tool | |
Guo et al. | Recognition of thyroid ultrasound standard plane images based on residual network | |
Depeursinge | Multiscale and multidirectional biomedical texture analysis: Finding the needle in the haystack | |
Cai et al. | A phase-based active contour model for segmentation of breast ultrasound images | |
CN201299570Y (zh) | 一种人脸三维面形数字化测量系统 | |
Bae et al. | Robust skin-roughness estimation based on co-occurrence matrix | |
CN110507285A (zh) | 一种皮肤病患者用的护理装置 | |
Wang et al. | Tactile mapping of palpable abnormalities for breast cancer diagnosis | |
Fedorenko et al. | Semantic Segmentation System of Pigmented Skin Lesions Based on Convolutional Neural Networks | |
Lee et al. | Segmentation of wounds using gradient vector flow |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180612 |