CN108272533B - 皮肤创面区域的皮肤建模方法 - Google Patents

Abstract

本发明公开了皮肤创面区域的皮肤建模方法，包括以下步骤：1)采集皮肤创伤区的图像，包括结构光扫描区域R_s、皮肤共聚焦显微镜扫描区域R_ct、皮肤创伤区域R_b和同一R_ct区域的图像F_i；2)对图像F_i进行散斑噪声去除处理，得到F_i经过噪声去除后的图像qF_i；3)对qF_i进行边缘增强处理，得到qF’_i；4)对qF’_i进行纹理分析，得出特征向量图I_F；5)构建特征向量图I_F；6)进行全层皮肤模型重构。本发明实现了基于皮肤共聚焦显微镜图像的多层次特征提取、基于先验知识的皮肤多层组织自动精准分割、多层结构仿生皮肤的三维精准建模。通过皮肤创面区域的皮肤重建，再结合3D打印技术，可实现大面积皮肤创伤的高效治疗。

Description

皮肤创面区域的皮肤建模方法

技术领域

本发明涉及皮肤医疗领域，特别涉及一种皮肤创面区域的皮肤建模方法。

背景技术

3D打印皮肤主要针对急性大面积创伤(比如烧伤、外伤、灼伤等)以及慢性难愈性创面(糖尿足等)，目前创面管理步入一个高速发展和产品升级的时期：(1)现代生活节奏加快和医疗保健需求的不断增长，创面管理产品的需求量也在逐年增加，世界卫生组织报告也显示市场容量将保持20％以上的增长。(2)随着生活节奏的加快以及生活质量的提高，人们更希望缩短康复时间,降低创面愈合留下的痕迹，减低治疗过程的痛苦。基于以上的诉求，具备治疗、修复的功能性产品，以及具备三高特性的解决方案：高功效材料、高效能产品、高效率护理将是未来的主要增长方向，低等级的传统产品逐步会被市场淘汰。

组织替代物，是利用生命科学、材料科学、计算机科学和工程学等学科的原理与方法，研究和开发用于替代、修复、改善或再生人体各种组织器官，可用于因疾病、创伤、衰老或遗传因素所造成的组织器官缺损或功能障碍的再生治疗。传统组织工程的方法主要有两种，一是使用生物相容性材料或者动物源性的材料，由于材料在功能以及制造方法上的局限性和免疫原性排斥，往往修复和替代的效果存在缺陷，二是将细胞种植在预先成型的支架材料上，由于植入细胞技术的分辨率和支架材料的内部结构的限制，不能精确控制形成仿生组织的细胞的位置和分布情况，在稳定性和尺寸上存在限制，严重阻碍了组织工程的产业化发展。3D生物打印技术由于能运用人源化材料，并精确控制材料、细胞的位置与分布，构建的组织工程产品具有个体化、最大的仿生性、最小排异性等特点，同时具有大规模生产的前提、在稳定性、速度、成本上都优于传统组织工程方法，在临床应用上有广泛前景。

但是，目前尚无一种3D打印的全层皮肤应用于皮肤创伤，如烧伤以及糖尿病足等。以糖尿病足为例，由于其复杂的发病机理，通常需要全身系统药物治疗的基础上，配合局部创面促愈合治疗，双管其下，方能有较好的临床治愈效果。临床治疗目前多采用传统敷料结合局部用药进行填充和覆盖，行常规换药治疗。传统敷料往往不能使创面长期保持湿润及恒温，不利于上皮组织生长，需要频繁更换；纱布与创面极易粘连，换药时撕拉易使新生肉芽组织及上皮组织产生机械损伤，不利于创面愈合，导致愈合周期较长，患者疼痛感强烈，医护人员护理任务加剧。中医方面，也有各种各样的中药敷料用于糖尿病足溃疡，但疗效也不完全满意。细胞外基质产品敷料、富集血小板敷料等也被证明有某些方面的疗效。近些年生物活性敷料应用也较广泛，以动物或者人的胶原或异体皮肤细胞构成的皮肤替代物。比如采用猪皮等经过辐照处理之后，用于伤口治疗，其保湿和覆盖性能尚可，但还是需要定期更换，还可能有免疫反应等，也远非满意的材料。而且这类新型敷料由于各自的预期用途不同，结构特点各异，每一种敷料只适用于创面修复的某个阶段，实际推广使用遇到较大障碍。特别对于糖尿病足，皮肤组织缺损高低不平的创面，更加难以找到合适的产品，如果不能保护好创面，皮肤的屏障作用消失，病菌就非常容易入侵，创面干燥后，上皮细胞也无法移行长入，最终导致不断恶化、截肢危机生命。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种皮肤创面区域的皮肤建模方法。

基于以上的多种临床难点以及目前国内外已有的生物活性皮肤组织替代物治疗糖尿病足的临床经验，结合3D生物打印构建的组织替代物技术的成熟，提出一种新的解决方案，即首先个体化地扫描各创面地形状和高低起伏，然后采用3D打印技术，将各个层次的细胞和组织根据正常解剖层面重建出来，采用人皮肤细胞和生物智能材料打印形成的3D打印皮肤膜片覆盖于创面。因此，3D打印皮肤无免疫反应，促进伤口愈合，抑制瘢痕形成，无需二次植皮。3D打印皮肤因为具有模拟人类皮肤和皮下组织的微组织结构，形成的“类组织”比一般单纯由胶原蛋白构成的生物活性人工皮肤，更有利于细胞生长。

(1)基于皮肤共聚焦显微镜图像的多层次特征提取技术

由于人体皮肤的表皮和真皮层都包含多个细分结构，且这些细分结构之间在影像上的差异非常小，导致现有的分割算法无法精确分割皮肤的细分结构。因此，需构建足部皮肤共聚焦显微镜图像大数据库，通过医生经验指导加机器学习的方法，提取足部皮肤各层次及其边界的多参数特征(密度、梯度、曲率等)，研究构建足部皮肤各层次的高维特征表达，形成足部皮肤各层次先验知识，以指导后续分割和建模的研究工作。

(2)基于先验知识的皮肤多层组织自动精准分割技术

由于现有基于影像灰度的分割方法无法精确分割皮肤的精细结构，因此，我们基于Level Set理论，提出一种基于先验知识引导的图像自动分割技术，通过将图像信息映射为高维特征向量，并用于约束Level Set模型演化，使用稳定高效的数值计算方法，实现足部皮肤多层次精确分割。

(3)多层结构仿生皮肤的三维精准建模技术

针对创面皮肤缺失的问题，基于皮肤多层次精准分割结果与创面三维精准重构结果，提出构建仿生皮肤表面的统计模型，推理出病人个体化最优仿生皮肤表面的构建算法，保证仿生皮肤的最大疗效。

为解决上述技术问题，本发明采用的技术方案是：一种皮肤创面区域的皮肤建模方法，包括以下步骤：

1)采集皮肤创伤区的图像，包括结构光扫描区域R_s、皮肤共聚焦显微镜扫描区域R_ct、皮肤创伤区域R_b和同一R_ct区域的图像F_i；

2)对由步骤1)得到的图像F_i进行散斑噪声去除处理，其处理流程包括：2-1)进行对数变换；2-2)进行小波分解；2-3)构造权重矩阵；2-4)进行小波系数计算：2-5)进行均值计算；2-6)进行小波重建，得到F_i经过噪声去除后的图像qF_i；

3)对由步骤2)得到的图像qF_i进行边缘增强处理，得到qF’_i；

4)对经步骤3)处理后的图像qF’_i进行纹理分析，得出特征向量图I_F；

5)利用皮肤共聚焦显微镜扫描区域R_oct构建特征向量图I_F，利用I_F训练svm，使svm输出三类标签，再对该三类标签及结构光扫描区域R_s进行分割处理；

6)利用步骤5)处理得到的结果进行全层皮肤模型重构，得到皮肤创伤区对应的全层皮肤模型。

优选的是，所述步骤1)具体包括以下步骤：

1-1)设置体外标记点，记作B_k(k＝1,2,…,M；M≥6)；

1-2)进行结构光扫描，得到结构光扫描区域，记作R_s；进行皮肤共聚焦显微镜扫描，得到皮肤共聚焦显微镜扫描区域，记作R_ct；将皮肤创伤区域记作R_b；

其中，结构光扫描区域和皮肤共聚焦显微镜扫描区域均完全覆盖R_b，即所有体外标记点同时全部位于结构光扫描区域和皮肤共聚焦显微镜扫描区域内：R_s的面积大于R_ct，且R_s完全覆盖R_ct或部分覆盖R_ct；

1-3)对同一R_ct区域进行皮肤共聚焦显微镜多帧扫描，获得同一R_ct区域的图像，将其分别记作F_i，其中，N是皮肤共聚焦显微镜图像F_i的总帧数，i是图像序号，i＝1,2,..,N。

优选的是，所述步骤2-1)中进行对数变换时，假定皮肤共聚焦显微镜图像F_i可分解为理想图像S和噪声Z_i，且不同图像F_i和F_j之间的在相同坐标x上的噪声具有相同的方差，即σ_i(x)≈σ_j(x)，其中，j表示图像序号,j＝1,2,..,N；

所述步骤2-2)中进行小波分解具体为：对F_i进行多次小波分解，最大分解次数为L；图像F_i小波分解后的低频小波系数记作A_i ^l，高频系数记作其中，D为小波分解后的高频系数方向，l表示分解次数，l＝1,2,…,L。

优选的是，当使用离散平稳小波分解F_i时，将其低频小波系数记作当使用双树复小波分解F_i时，将其低频小波系数记作且小波分解后对和不进行下采样。

优选的是，所述步骤2-3)中构造权重矩阵的步骤具体包括：

2-3-1)权重矩阵记作

其中，k为预设的标量系数，x表示F_i图像中的像素坐标；

2-3-2)计算校正后的权重矩阵

其中，为：对F_i的第l次分解后的低频系数中，在坐标x的S×S邻域内所有小波系数构成的向量；

其中，为：对F_j的第l次分解后的低频系数中，在坐标x的S×S邻域内所有小波系数构成的向量；

其中，p为校正系数；S表示邻域大小；

2-3-3)当使用双树复小波分解F_i时，取此时，校正后的权重矩阵记为

其中，是一个预设的参数。

优选的是，所述步骤2-4)中，进行小波系数计算具体为：使用构造的权重矩阵和/或对小波系数进行矩阵计算，得到修正小波系数；

所述步骤2-5)中，进行均值计算具体为：计算每个F_i的修正小波系数的平均值，得到平均修正小波系数；

所述步骤2-6)中，进行小波重建具体为：利用得到的平均修正小波系数对F_i进行小波重建，得到经过噪声去除后的图像qF_i。

优选的是，所述步骤3)进行边缘增强处理的具体方法为：使用空间各向异性高斯滤波器对由步骤2)得到的图像qF_i进行滤波处理，得到边缘增强处理后图像qF’_i；

其中，x、y、z表示qF_i图像中的像素坐标，qF_i和qF’_i分别是滤波前后的图像，κ是规格化参数；

其中，σ是非线性函数，定义为σ²＝exp(-ΔqF_i/K)，其中，Δ是拉普拉斯算子，K是一系数，a、b、c分别是该图中x、y、z方向上的像素索引。

8.根据权利要求7所述的皮肤创面区域的皮肤建模方法，其特征在于，所述步骤4)具体包括以下步骤：

4-1)构造子图：对由步骤3得到的图像qF’_i中的每一个像素p_i构造其对应的子图，子图大小为n_x×n_y×n_z，p_i在整个图像中的坐标记作(x，y，z),n表示像素；

4-2)使用Gabor滤波器对图像进行分析：对每一个子图p_i使用Gabor小波变换在不同尺度s和不同方向d上进行滤波，其滤波器大小为f_x×f_y×f_z；Gabor滤波器对子图滤波后的图像能量记作

并计算每一个子图在Gabor输出后能量的均值和方差，分别记作和

4-3)计算子图p_i的灰度统计直方图及其统计矩：遍历图像中的每一个像素p_i，以p_i为中心，以r为邻域范围，计算子图p_i的灰度统计直方图及其统计矩；其中，统计矩包括：子图p_i的灰度直方图的一阶原点矩、二阶中心距、三阶中心距和四阶中心距；子图p_i的一阶矩和二阶矩；

4-4)构造自相关函数：构造图像子图I(x',y',z')，其中心坐标为(x',y',z')，定义p、q和r分别为x'方向、y'方向和z'方向上的位移补偿，则自相关函数计算公式为

4-5)进行特征组合：将以上所有特征，包括：均值和方差子图p_i灰度统计直方图及其统计矩、自相关函数，进行归一化后，进行级联，形成高维特征向量，其特征向量图记作I_F。

优选的是，所述步骤5)具体包括以下步骤：

5-1)使用设置有标记点的由步骤1)得到的皮肤共聚焦显微镜扫描区域R_ct数据构建步骤4)中特征向量图I_F，利用I_F训练svm，使svm输出三类标签，其分别对应表皮、真皮和皮下组织；

5-2)将由步骤5-1)得到由svm输出的三类标签分割为表皮层、真皮层和皮下组织，再使用Marching cubes算法对分割结果进行处理，分别得到皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃；

5-3)对由步骤5-2)得到皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃进行曲面平滑和游离面去除处理；

5-4)对由步骤1)得到的结构光扫描区域R_s进行分割处理，得到创面区域R_sc和正常皮肤区域R_sn。

优选的是，所述步骤6)具体包括以下步骤：

6-1)分别提取结构光扫描区域R_s中的标记点和由步骤5-3得到的皮肤共聚焦显微镜扫描区域R_ct中的皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃中的标记点；

6-2)以结构光扫描区域R_s作为参考图像，位于其上的标记点作为参考点集；以皮肤共聚焦显微镜扫描区域R_ct中的皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃作为浮动图像，位于其上的标记点为浮动点集；将标记点作为特征点，使用特征点刚性配准算法计算两个点集之间的变换矩阵，继而由点集变换矩阵对浮动图像进行变换，得到配准后的图像数据及其皮层间的界面，其配准后的皮层间的界面分别记作S₁r、S₂r和S₃r；

6-3)由创面区域R_sc中的皮肤表面SRsc、正常皮肤区域R_sn中的皮肤表面SRsc、配准后的皮层间的界面S₁r、S₂r和S₃r，进行推理重构，得到皮肤创伤区对应的全层皮肤模型。

本发明的有益效果是：本发明的皮肤创面区域的皮肤建模方法，实现了基于皮肤共聚焦显微镜图像的多层次特征提取，通过提取足部皮肤各层次及其边界的多参数特征(密度、梯度、曲率等)，研究构建足部皮肤各层次的高维特征表达，能形成足部皮肤各层次先验知识，以指导后续分割和建模的研究工作；本发明实现了基于先验知识的皮肤多层组织自动精准分割，通过将图像信息映射为高维特征向量，并用于约束Level Set模型演化，使用稳定高效的数值计算方法，实现了足部皮肤多层次精确分割；本发明实现了多层结构仿生皮肤的三维精准建模，针对创面皮肤缺失的问题，基于皮肤多层次精准分割结果与创面三维精准重构结果，本发明提出了构建仿生皮肤表面的统计模型，推理出病人个体化最优仿生皮肤表面的构建算法，能保证仿生皮肤的最大疗效。通过将各个层次的细胞和组织根据正常解剖层面重建出来，再采用人皮肤细胞和生物智能材料打印形成的3D打印皮肤膜片覆盖于创面，可实现大面积皮肤创伤的高效治疗。

具体实施方式

下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。

本实施例的一种皮肤创面区域的皮肤建模方法，包括以下步骤：

1、采集皮肤创伤区的图像，包括结构光扫描区域R_s、皮肤共聚焦显微镜扫描区域R_ct、皮肤创伤区域R_b和同一R_ct区域的图像F_i。

具体包括以下步骤：

1-1)设置体外标记点，记作B_k(k＝1,2,…,M；M≥6)；

1-2)进行结构光扫描，得到结构光扫描区域，记作R_s；进行皮肤共聚焦显微镜扫描，得到皮肤共聚焦显微镜扫描区域，记作R_ct；将皮肤创伤区域记作R_b；

其中，结构光扫描区域和皮肤共聚焦显微镜扫描区域均完全覆盖R_b，即所有体外标记点同时全部位于结构光扫描区域和皮肤共聚焦显微镜扫描区域内：R_s的面积大于R_ct，且R_s完全覆盖R_ct或部分覆盖R_ct；

1-3)对同一R_ct区域进行皮肤共聚焦显微镜多帧扫描，获得同一R_ct区域的图像，将其分别记作F_i，其中，N是皮肤共聚焦显微镜图像F_i的总帧数，i是图像序号，i＝1,2,..,N。

2、对由步骤1)得到的图像F_i进行散斑噪声去除处理，其处理流程包括：2-1)进行对数变换；2-2)进行小波分解；2-3)构造权重矩阵；2-4)进行小波系数计算：2-5)进行均值计算；2-6)进行小波重建，得到F_i经过噪声去除后的图像qF_i。

其中，步骤2-1)中进行对数变换时，假定皮肤共聚焦显微镜图像F_i可分解为理想图像S和噪声Z_i，且不同图像F_i和F_j之间的在相同坐标x上的噪声具有相同的方差，即σ_i(x)≈σ_j(x)，其中，j表示图像序号,j＝1,2,..,N；

其中，步骤2-2)中进行小波分解具体为：对F_i进行多次小波分解，最大分解次数为L；图像F_i小波分解后的低频小波系数记作高频系数记作其中，D为小波分解后的高频系数方向，l表示分解次数，l＝1,2,…,L。

当使用离散平稳小波分解F_i时，将其低频小波系数记作

当使用双树复小波分解F_i时，将其低频小波系数记作且小波分解后对和不进行下采样。

所述步骤2-3)中构造权重矩阵的步骤具体包括：

2-3-1)权重矩阵记作

其中，k为预设的标量系数，x表示F_i图像中的像素坐标；

2-3-2)计算校正后的权重矩阵

其中，为：对F_i的第l次分解后的低频系数中，在坐标x的S×S邻域内所有小波系数构成的向量；

其中，为：对F_j的第l次分解后的低频系数中，在坐标x的S×S邻域内所有小波系数构成的向量；

其中，p为校正系数；S表示邻域大小；

2-3-3)当使用双树复小波分解F_i时，取此时，校正后的权重矩阵记为

其中，是一个预设的参数。

所述步骤2-4)中，进行小波系数计算具体为：使用构造的权重矩阵和/或对小波系数进行矩阵计算，得到修正小波系数；

所述步骤2-5)中，进行均值计算具体为：计算每个F_i的修正小波系数的平均值，得到平均修正小波系数；

所述步骤2-6)中，进行小波重建具体为：利用得到的平均修正小波系数对F_i进行小波重建，得到经过噪声去除后的图像qF_i。

3、对由步骤2)得到的图像qF_i进行边缘增强处理，得到qF’_i。

具体方法为：使用空间各向异性高斯滤波器对由步骤2)得到的图像qF_i进行滤波处理，得到边缘增强处理后图像qF’_i；

其中，x、y、z表示qF_i图像中的像素坐标，qF_i和qF’_i分别是滤波前后的图像，κ是规格化参数；

其中，σ是非线性函数，定义为σ²＝exp(-ΔqF_i/K)，其中，Δ是拉普拉斯算子，K是一系数，a、b、c分别是该图中x、y、z方向上的像素索引。

4、对经步骤3)处理后的图像qF’_i进行纹理分析，得出特征向量图I_F。

具体包括以下步骤：

4-1)构造子图：对由步骤3得到的图像qF’_i中的每一个像素p_i构造其对应的子图，子图大小为n_x×n_y×n_z，p_i在整个图像中的坐标记作(x，y，z),n表示像素；

4-2)使用Gabor滤波器对图像进行分析：对每一个子图p_i使用Gabor小波变换在不同尺度s和不同方向d上进行滤波，其滤波器大小为f_x×f_y×f_z；Gabor滤波器对子图滤波后的图像能量记作

并计算每一个子图在Gabor输出后能量的均值和方差，分别记作和

4-3)计算子图p_i的灰度统计直方图及其统计矩：遍历图像中的每一个像素p_i，以p_i为中心，以r为邻域范围，计算子图p_i的灰度统计直方图及其统计矩；其中，统计矩包括：子图p_i的灰度直方图的一阶原点矩、二阶中心距、三阶中心距和四阶中心距；子图p_i的一阶矩和二阶矩；

4-4)构造自相关函数：构造图像子图I(x',y',z')，其中心坐标为(x',y',z')，定义p、q和r分别为x'方向、y'方向和z'方向上的位移补偿，则自相关函数计算公式为

4-5)进行特征组合：将以上所有特征，包括：均值和方差子图p_i灰度统计直方图及其统计矩、自相关函数，进行归一化后，进行级联，形成高维特征向量，其特征向量图记作I_F。

5、利用皮肤共聚焦显微镜扫描区域R_oct构建特征向量图I_F，利用I_F训练svm，使svm输出三类标签，再对该三类标签及结构光扫描区域R_s进行分割处理。

具体包括以下步骤：

5-1)使用设置有标记点的由步骤1)得到的皮肤共聚焦显微镜扫描区域R_ct数据构建步骤4)中特征向量图I_F，利用I_F训练svm，使svm输出三类标签，其分别对应表皮、真皮和皮下组织；

5-2)将由步骤5-1)得到由svm输出的三类标签分割为表皮层、真皮层和皮下组织，再使用Marching cubes算法对分割结果进行处理，分别得到皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃；

5-3)对由步骤5-2)得到皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃进行曲面平滑和游离面去除处理；

5-4)对由步骤1)得到的结构光扫描区域R_s进行分割处理，得到创面区域R_sc和正常皮肤区域R_sn。

6、利用步骤5)处理得到的结果进行全层皮肤模型重构，得到皮肤创伤区对应的全层皮肤模型。

具体包括以下步骤：

6-1)分别提取结构光扫描区域R_s中的标记点和由步骤5-3得到的皮肤共聚焦显微镜扫描区域R_ct中的皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃中的标记点；

6-2)以结构光扫描区域R_s作为参考图像，位于其上的标记点作为参考点集；以皮肤共聚焦显微镜扫描区域R_ct中的皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃作为浮动图像，位于其上的标记点为浮动点集；将标记点作为特征点，使用特征点刚性配准算法计算两个点集之间的变换矩阵，继而由点集变换矩阵对浮动图像进行变换，得到配准后的图像数据及其皮层间的界面，其配准后的皮层间的界面分别记作S₁r、S₂r和S₃r；

6-3)由创面区域R_sc中的皮肤表面SRsc、正常皮肤区域R_sn中的皮肤表面SRsc、配准后的皮层间的界面S₁r、S₂r和S₃r，进行推理重构，得到皮肤创伤区对应的全层皮肤模型。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (10)

1.一种皮肤创面区域的皮肤建模方法，其特征在于，包括以下步骤：

1)采集皮肤创伤区的图像，包括结构光扫描区域R_s、皮肤共聚焦显微镜扫描区域R_ct、皮肤创伤区域R_b和同一R_ct区域的图像F_i；

2)对由步骤1)得到的图像F_i进行散斑噪声去除处理，其处理流程包括：2-1)进行对数变换；2-2)进行小波分解；2-3)构造权重矩阵；2-4)进行小波系数计算：2-5)进行均值计算；2-6)进行小波重建，得到F_i经过噪声去除后的图像qF_i；

3)对由步骤2)得到的图像qF_i进行边缘增强处理，得到边缘增强处理后图像qF’_i；

4)对经步骤3)处理后的边缘增强处理后图像qF’_i进行纹理分析，得出特征向量图I_F；

5)利用皮肤共聚焦显微镜扫描区域R_ct构建特征向量图I_F，利用I_F训练svm，使svm输出三类标签，再对该三类标签及结构光扫描区域R_s进行分割处理；

6)利用步骤5)处理得到的结果进行全层皮肤模型重构，得到皮肤创伤区对应的全层皮肤模型。

2.根据权利要求1所述的皮肤创面区域的皮肤建模方法，其特征在于，所述步骤1)具体包括以下步骤：

1-1)设置体外标记点，记作B_k(k＝1,2,…,M；M≥6)；

1-2)进行结构光扫描，得到结构光扫描区域，记作R_s；进行皮肤共聚焦显微镜扫描，得到皮肤共聚焦显微镜扫描区域，记作R_ct；

其中，结构光扫描区域和皮肤共聚焦显微镜扫描区域均完全覆盖皮肤创伤区域R_b，即所有体外标记点同时全部位于结构光扫描区域和皮肤共聚焦显微镜扫描区域内：R_s的面积大于R_ct，且R_s完全覆盖R_ct或部分覆盖R_ct；

1-3)对同一R_ct区域进行皮肤共聚焦显微镜多帧扫描，获得同一R_ct区域的图像，将其分别记作F_i，其中，N是皮肤共聚焦显微镜图像F_i的总帧数，i是图像序号，i＝1,2,..,N。

3.根据权利要求2所述的皮肤创面区域的皮肤建模方法，其特征在于，所述步骤2-1)中进行对数变换时，假定皮肤共聚焦显微镜图像F_i可分解为理想图像S和噪声Z_i，且不同图像F_i和F_j之间的在相同坐标x上的噪声具有相同的方差，即σ_i(x)≈σ_j(x)，其中，j表示图像序号,j＝1,2,..,N；

所述步骤2-2)中进行小波分解具体为：对F_i进行多次小波分解，最大分解次数为L；图像F_i小波分解后的低频小波系数记作高频系数记作其中，D为小波分解后的高频系数方向，l表示分解次数，l＝1,2,…,L。

4.根据权利要求3所述的皮肤创面区域的皮肤建模方法，其特征在于，当使用离散平稳小波分解F_i时，将其低频小波系数记作当使用双树复小波分解F_i时，将其低频小波系数记作且小波分解后对和不进行下采样。

5.根据权利要求4所述的皮肤创面区域的皮肤建模方法，其特征在于，所述步骤2-3)中构造权重矩阵的步骤具体包括：

2-3-1)权重矩阵记作

其中，k为预设的标量系数，x表示F_i图像中的像素坐标；

2-3-2)计算校正后的权重矩阵

其中，V_i ^l(x)为：对F_i的第l次分解后的低频系数中，在坐标x的S×S邻域内所有小波系数构成的向量；

其中，为：对F_j的第l次分解后的低频系数中，在坐标x的S×S邻域内所有小波系数构成的向量；

其中，p为校正系数；S表示邻域大小；

2-3-3)当使用双树复小波分解F_i时，取此时，校正后的权重矩阵记为

其中，是一个预设的参数。

6.根据权利要求5所述的皮肤创面区域的皮肤建模方法，其特征在于，所述步骤2-4)中，进行小波系数计算具体为：使用构造的权重矩阵和/或对小波系数进行矩阵计算，得到修正小波系数；

所述步骤2-5)中，进行均值计算具体为：计算每个F_i的修正小波系数的平均值，得到平均修正小波系数；

所述步骤2-6)中，进行小波重建具体为：利用得到的平均修正小波系数对F_i进行小波重建，得到经过噪声去除后的图像qF_i。

7.根据权利要求6所述的皮肤创面区域的皮肤建模方法，其特征在于，所述步骤3)进行边缘增强处理的具体方法为：使用空间各向异性高斯滤波器对由步骤2)得到的图像qF_i进行滤波处理，得到边缘增强处理后图像qF’_i；

其中，x、y、z表示qF_i图像中的像素坐标，qF_i和qF’_i分别是滤波前后的图像，κ是规格化参数；

其中，σ是非线性函数，定义为σ²＝exp(-ΔqF_i/K)，其中，Δ是拉普拉斯算子，K是一系数，a、b、c分别是该图中x、y、z方向上的像素索引。

8.根据权利要求7所述的皮肤创面区域的皮肤建模方法，其特征在于，所述步骤4)具体包括以下步骤：

4-1)构造子图：对由步骤3)得到的边缘增强处理后图像qF’_i中的每一个像素构造其对应的子图p_i，子图大小为n_x×n_y×n_z，p_i在整个图像中的坐标记作(x，y，z),n表示像素；

4-2)使用Gabor滤波器对图像进行分析：对每一个子图p_i使用Gabor小波变换在不同尺度s和不同方向d上进行滤波，其滤波器大小为f_x×f_y×f_z；Gabor滤波器对子图滤波后的图像能量记作

并计算每一个子图在Gabor输出后能量的均值和方差，分别记作和

4-3)计算子图p_i的灰度统计直方图及其统计矩：遍历图像中的每一个子图p_i，以子图p_i为中心，以r为邻域范围，计算子图p_i的灰度统计直方图及其统计矩；其中，统计矩包括：子图p_i的灰度直方图的一阶原点矩、二阶中心距、三阶中心距和四阶中心距；子图p_i的一阶矩和二阶矩；

4-4)构造自相关函数：构造图像子图I(x',y',z')，其中心坐标为(x',y',z')，定义p、q和r分别为x'方向、y'方向和z'方向上的位移补偿，则自相关函数计算公式为

4-5)进行特征组合：将以上所有特征，包括：均值和方差子图p_i灰度统计直方图及其统计矩、自相关函数，进行归一化后，进行级联，形成高维特征向量，其特征向量图记作I_F。

9.根据权利要求8所述的皮肤创面区域的皮肤建模方法，其特征在于，所述步骤5)具体包括以下步骤：

5-1)使用设置有标记点的由步骤1)得到的皮肤共聚焦显微镜扫描区域R_ct数据构建步骤4)中特征向量图I_F，利用I_F训练svm，使svm输出三类标签，其分别对应表皮、真皮和皮下组织；

5-2)将由步骤5-1)得到由svm输出的三类标签分割为表皮层、真皮层和皮下组织，再使用Marching cubes算法对分割结果进行处理，分别得到皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃；

5-3)对由步骤5-2)得到皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃进行曲面平滑和游离面去除处理；

5-4)对由步骤1)得到的结构光扫描区域R_s进行分割处理，得到创面区域R_sc和正常皮肤区域R_sn。

10.根据权利要求9所述的皮肤创面区域的皮肤建模方法，其特征在于，所述步骤6)具体包括以下步骤：

6-1)分别提取结构光扫描区域R_s中的标记点和由步骤5-3)得到的皮肤共聚焦显微镜扫描区域R_ct中的皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃中的标记点；

6-2)以结构光扫描区域R_s作为参考图像，位于其上的标记点作为参考点集；以皮肤共聚焦显微镜扫描区域R_ct中的皮肤表面S₁、表皮层和真皮层界面S₂、真皮层和皮下组织界面S₃作为浮动图像，位于其上的标记点为浮动点集；将标记点作为特征点，使用特征点刚性配准算法计算两个点集之间的变换矩阵，继而由点集变换矩阵对浮动图像进行变换，得到配准后的图像数据及其皮层间的界面，其配准后的皮层间的界面分别记作S₁r、S₂r和S₃r；

6-3)由创面区域R_sc中的皮肤表面SRsc、正常皮肤区域R_sn中的皮肤表面SRsc、配准后的皮层间的界面S₁r、S₂r和S₃r，进行推理重构，得到皮肤创伤区对应的全层皮肤模型。