CN109389568A - 自动测量皮肤光学相干层析图像中表皮厚度的方法 - Google Patents
自动测量皮肤光学相干层析图像中表皮厚度的方法 Download PDFInfo
- Publication number
- CN109389568A CN109389568A CN201811249657.6A CN201811249657A CN109389568A CN 109389568 A CN109389568 A CN 109389568A CN 201811249657 A CN201811249657 A CN 201811249657A CN 109389568 A CN109389568 A CN 109389568A
- Authority
- CN
- China
- Prior art keywords
- image
- denoted
- skin
- boundary
- thickness
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005259 measurement Methods 0.000 title claims abstract description 20
- 230000003287 optical effect Effects 0.000 title claims abstract description 16
- 230000001427 coherent effect Effects 0.000 title claims abstract description 14
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000010339 dilation Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 abstract 1
- 229920006395 saturated elastomer Polymers 0.000 abstract 1
- 210000003491 skin Anatomy 0.000 description 20
- 238000011160 research Methods 0.000 description 7
- 208000006787 Port-Wine Stain Diseases 0.000 description 6
- 238000012014 optical coherence tomography Methods 0.000 description 6
- 206010067193 Naevus flammeus Diseases 0.000 description 5
- 208000002026 familial multiple nevi flammei Diseases 0.000 description 5
- 230000036548 skin texture Effects 0.000 description 4
- 210000002615 epidermis Anatomy 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000001574 biopsy Methods 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 208000032170 Congenital Abnormalities Diseases 0.000 description 1
- 206010015150 Erythema Diseases 0.000 description 1
- 208000037273 Pathologic Processes Diseases 0.000 description 1
- 208000006981 Skin Abnormalities Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 231100000321 erythema Toxicity 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000002647 laser therapy Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000009054 pathological process Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 238000007920 subcutaneous administration Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种自动测量皮肤光学相干层析图像中表皮厚度的方法。该方法通过形态学处理方法和二值图像分割方法处理原图的二值图得到蒙版，与对原图使用边缘算子提取的边界图进行逻辑与运算得到空气‑皮肤分界面，取出每列皮肤‑空气分界深度方向上下一定数量像素，以边界位置为参考拉平，将所有列分组，标出每组内表皮‑真皮分界位置，从而求得局部的表皮厚度，通过平均也可得到平均表皮厚度。本发明不需要人工手动测量，运算复杂度低，对受饱和、伪影等影响的图像依然有较好的适用性。
Description
技术领域
本发明涉及频域光学相干层析成像(Fourier Domain Optical CoherenceTomography，简称FDOCT)，特别是一种自动提取皮肤光学相干层析图像中信息的方法，更确切地说是一种自动测量皮肤光学相干层析图像中表皮厚度的方法。
背景技术
光学相干层析成像(Optical Coherence Tomography，以下简称OCT)是一种非侵入、高分辨率、可在体检测生物组织内部微结构的生物医学光学成像技术。1991年，美国麻省理工学院的J.G.Fujimoto和D.Huang等人首先提出了此概念，并对视网膜和冠状动脉进行了离体成像。OCT可分为时域OCT(Time Domain OCT，TDOCT)和频域OCT(Fourier DomainOCT，FDOCT)。频域OCT相比时域OCT，成像速度更快且信噪比更高。目前OCT技术已被广泛应用于眼科、皮肤科、心血管等领域的临床诊断和研究。
在皮肤医学中，皮肤的结构信息对临床医师在疾病诊断、病理研究与预后评估中有重要意义。现有的皮肤结构信息获取手段的黄金标准是生物活检，这种方法可在细胞级研究病理过程，但其主要不足是其为一种侵入性检测手段，会造成病人的痛苦。皮肤结构信息如表皮厚度是多种皮肤疾病的重要研究参数，如对化学和紫外线辐射的保护由表皮厚度决定，经皮给药也显著依赖表皮厚度等。
鲜红斑痣是一种先天性的真皮浅层毛细血管扩张畸形的良性血管疾病，表现为出生后即存在的皮肤异常红斑。在鲜红斑痣患处可以通过OCT对皮下结构进行结构成像，但仍有实时自动测量皮肤结构参数的需求，取得鲜红斑痣的患处的表皮厚度、角质层厚度等皮肤结构参数有助于临床医师研究对不同的患者使用激光治疗后疗效有较大不同的原因。现在临床医师在研究中使用的方式是生物活检，该方法需要切下病人患处的皮肤，不仅给病人造成了较大的痛苦，给病人留下伤疤，且无法实现对同一患处长时间多次研究。因此一种实时、在体、快捷的非侵入性表皮厚度测量方法对帮助医师研究并减少病人遭受的痛苦具有重要意义。现有的从皮肤OCT图像中测量表皮厚度的方法主要分为手动测量和依靠灰度曲线信息的算法测量两类，分别是：
1)研究者手动测量。该方法主要由研究者依靠商用OCT系统配置的测量软件，根据经验手动标记空气-皮肤分界面和表皮-真皮分界面，测得表皮厚度(参见在先技术[1]Gambichler T,Boms S,Stuecker M,et al.Comparison of histometric data obtainedby optical coherence tomography and routine histology[J].Journal ofbiomedical optics,2005,10(4):044008.)；
2)依靠灰度曲线信息的算法测量方法。在该方法中，一种方式是直接基于灰度曲线测量表皮厚度。该方式主要分为预处理与厚度测量两部分。使用阈值滤波器、"prewitt"边缘算子和"canny"边缘算子加权求和得到能量图，通过最短路径方法求出空气-皮肤分界面，后取出边界上下一定数量像素，将取出的二维数组按行平均，得到的一列一维数组中取第一个局部极大值和第二个局部极大值之间的最小值和第二个局部极大值的平均作为阈值，取最小值之后第一个大于该阈值的点作为表皮-真皮分界面所在位置(参见在先技术[2]Wang C,Huo T,Zheng J G,et al.Automated assessment of epidermal thicknessand vascular density of port wine stains OCT image[J].Journal of InnovativeOptical Health Sciences,2014,7(01):1350052.)；另一种方式是基于灰度曲线粗略提取表皮-真皮分界位置并使用动态边界算法测得局部表皮厚度。该方式使用形态学开闭运算进行预处理，通过边界跟踪算法提取空气-皮肤分界面，并以该分界面为参考将图像拉平，求得所有元素按行平均后的第一个局部极小值位置并使用自适应边界算法对其进行优化得到原图中表皮-真皮分界位置进而求得表皮厚度(参见在先技术[3]Josse G,George J,Black D.Automatic measurement of epidermal thickness from optical coherencetomography images using a new algorithm[J].Skin Research and Technology,2011,17(3):314-319.)；
上述这些方法都可以测量表皮厚度，但是手动方法受测量者主观影响较大，且测量时间较长；在先技术2中的方法虽然受噪声及皮下微小结构的影响较低，但其无法求得整幅图中各个局部的表皮厚度，无法满足研究鲜红斑痣中受畸形血管影响部分的局部信息；在先技术3中的形态学开闭运算易受紧邻空气-皮肤分界位置处较强噪声及毛发的影响，使用边界追踪算法易误提取毛发及噪声等错误边界。
发明内容
本发明的目的是为了克服上述在先技术的不足，提供一种自动测量皮肤光学相干层析图像中表皮厚度的方法。对经过预处理的皮肤OCT图像进行边缘提取，并对该图像的二值图进行多步处理得到去噪蒙版，将蒙版应用于边缘提取结果上得到空气-皮肤分界面，并使用分组平均方法测得局部表皮厚度。本方法克服了在先技术的不足，使用自动测量方法，可以适用于噪声较严重的图像。
本发明的技术解决方案如下：
一种自动测量皮肤光学相干层析图像中表皮厚度的方法，其特点在于该方法包括以下步骤：
①使用光学相干层析成像(OCT)系统采集皮肤的OCT干涉信号，对OCT干涉信号进行图像重建后得到二维强度图像，该图像横坐标为扫描范围，纵坐标为成像深度，对该二维强度图像进行对数变换后沿成像深度方向进行中值滤波，得到原始输入图像I0；
②提取原始输入图像中的空气-皮肤分界面，包括以下步骤：
首先使用边缘检测算子对原始输入图像I0进行边缘提取，得到一幅二值图像Ie；
对原始输入图像I0进行自适应阈值二值化处理，然后进行形态学处理后，提取出二值图像Ie中面积最大的连通域，得到去除边界以上孤立噪声像素且完全包含边界的蒙版图Im，将蒙版图Im和二值图像Ie作逻辑与运算后，删除其中的连通域面积小于15的对象，记为It，取It中每一列沿深度增加方向第一个非零值的纵坐标组成一个一维数组，对其进行多次中值滤波，其结果记为Ied；
经过多次中值滤波的一维数组，即Ied中每一个元素的索引为原图中的列数，元素的值为原图中对应列上的行数，这些元素在原图中的坐标即认为是空气-皮肤分界面；
③在空气-皮肤分界面的深度增加和减少方向各取出一定量像素，使空气-皮肤分界在一平坦的线上，得到一幅图像，记为Iroi，对该图按行求平均，得到一列一维数组，记为AVR，对其做一维线性滤波后，求得第一个局部极大值的坐标，记为maxloc，第一个局部极大值和第二个局部极大值之间的最小值的坐标，记为minloc，得到两者的距离为t＝minloc-maxloc；
将Iroi的所有列平均分为N组，N取[20,50]可以被总列数整除的值；
每组内的所有像素按行求平均，得到列数为N，行数与Iroi相同的二维图像，取每列第一个局部极大值，坐标记为P1，取距离P1大于t的第一个局部极大值，坐标记为P2，第一个与第二个极大值之间的最小值，索引记为V，取ED＝(V+P2)/2的索引位置记为表皮-真皮分界位置，将表皮厚度记为ET＝ED-P1，从而得到每组的表皮厚度，即每个局部位置的表皮厚度，将每个局部位置的表皮厚度平均得到平均表皮厚度。
所述的边缘检测算子是"canny"边缘算子。
所述的形态学处理是一次形态学闭运算，一次竖直方向膨胀运算。
所述的一维线性滤波方法是一维移动平均滤波器或其他一维线性滤波方法。
所述的自适应二值化方法是取每一列灰度最大值的一半作为阈值。
所述的二值图像Ie中既有空气-皮肤分界面，也有受噪声干扰误提取出的错误边界。
本发明与现有技术相比有益的效果是：
1.与在先技术[1]相比，本发明不需要人为手动标记与测量，提高了测量速度，减少了受测量者主观判断的影响。
2.与在先技术[2]相比，本发明使用二值蒙版去除噪声的影响，并通过分组平均方法得到局部的表皮厚度。
3.与在先技术[3]相比，本发明使用"canny"边缘检测算子对原图中边界进行提取，并采用多次中值滤波消除误提取边界点，可以降低受空气-皮肤分界面附近有毛发及饱和等的影响，更准确提取空气-皮肤分界面。
4.本发明解决了皮肤科临床医师在研究皮肤结构参数对鲜红斑痣治疗效果的影响中缺少实时皮肤OCT图像中表皮厚度提取方法的问题。
附图说明
图1是本发明自动测量皮肤OCT图像中表皮厚度方法的流程图。
图2是经过步骤1处理后的原始输入图像。
图3是包含了空气-皮肤分界线和其他噪声的二值图像。
图4是自适应阈值二值化处理后的二值图像。
图5是去除了边界以上孤立的噪声像素并完全包含边界的蒙版图。
图6是去除了与边界无连通的噪声的边界图像。
图7是在原图中用红线标出边界的图像。
图8是Iroi图。
图9是Iroi图所有像素按行平均后所得的一列一维数组的曲线。
图10是将空气-皮肤分界面和表皮-真皮分界面均标于原图中的图像。
具体实施方式
下面结合实施例和附图对本发明作进一步说明，但不应以此实施例限制本发明的保护范围。
请参阅图1，图1是本发明的自动测量皮肤OCT图像中表皮厚度方法的流程图，如图所示，本发明自动测量皮肤OCT图像中表皮厚度的方法，包括以下步骤：
①利用扫频光学相干层析成像系统对志愿者前臂皮肤进行成像。经过处理后，得到一幅扫描范围3.7mm深、2mm宽的像素数为639×512的二维图像，记为IRAW。对其进行对数变换以使图像中暗部细节得到增强。之后对结果按列进行中值滤波以消除散斑噪声，结果记为I0，如图2所示。
②对I0应用"canny"边缘检测算子，得到一幅二值图像，该图像中既有准确的皮肤-空气分界面，也有受噪声干扰误提取出的错误边界，将该图记为Ie，如图3所示。对I0进行自适应二值化，对每列取相应阈值，阈值为该列灰度最大值的一半，记二值化结果为Ib，如图4所示。对Ib进行形态学闭运算，将包含边界部分连接成一个连通域，提取图像中连通域面积最大的部分，对其进行一次沿列方向的形态学膨胀运算，记为Im。Im为去除边界以上孤立的噪声像素并完全包含边界的蒙版图，如图5所示。将Im和Ie做逻辑与运算，再做去除二值小面积处理，去除被蒙版误含的噪声边界，其结果记为It，如图6所示。去It中每一列沿深度增加方向第一个非零值的纵坐标组成一个一维数组，对其进行中值滤波，结果极为Ied。将结果画入原图中，如图7所示。
③在空气-皮肤分界位置深度增加和减少方向各取出140和9个点，取512列中的500列，以避开部分图像中在边缘的受到皮肤毛孔影响无信号的列。将该150×500的二维数组所表示的图像记为Iroi，如图8所示。将该数组所有像素按行平均为一列一维数组，记为avr，如图9所示。对avr进行移动平均滤波后，求得第一个局部极大值的坐标，记为maxloc，第一个局部极大值和第二个局部极大值之间的最小值的坐标，记为minloc，得到两者的距离为t＝minloc-maxloc。将Iroi的所有列平均分为25组，每组内的20列，这20列再做按行平均得到25列一维数组，即得到一幅150×25的二维图像，取每列第一个局部极大值，坐标记为P1，取距离P1大于t的第一个局部极大值，坐标记为P2，第一个与第二个极大值之间的最小值，坐标记为V，取ED＝(V+P2)/2的坐标位置记为表皮-真皮分界位置，将表皮厚度记为ET＝ED-P1，从而得到每组的表皮厚度，即每个局部位置的表皮厚度。将该表示厚度的一维数组进行一维插值，使其变为对应Iroi图像的每列的厚度值，将每列表皮-真皮分界位置取为每列第一个局部极大值的坐标加表皮厚度，将其画于原图中，如图10所示。将25组表皮厚度平均又可得到平均表皮厚度。平均后表皮像素数为20.62，将表皮及角质层折射率取1.4，测得真实结果为85.1μm。
Claims (5)
1.一种自动测量皮肤光学相干层析图像中表皮厚度的方法，其特征在于该方法包括以下步骤：
①使用光学相干层析成像(OCT)系统采集皮肤的OCT干涉信号，对OCT干涉信号进行图像重建后得到二维强度图像，该图像横坐标为扫描范围，纵坐标为成像深度，对该二维强度图像进行对数变换后沿成像深度方向进行中值滤波，得到原始输入图像I0；
②提取原始输入图像中的空气-皮肤分界面，包括以下步骤：
首先使用边缘检测算子对原始输入图像I0进行边缘提取，得到一幅二值图像Ie；
对原始输入图像I0进行自适应阈值二值化处理，然后进行形态学处理后，提取出二值图像Ie中面积最大的连通域，得到去除边界以上孤立噪声像素且完全包含边界的蒙版图Im，将蒙版图Im和二值图像Ie作逻辑与运算后，删除其中的连通域面积小于15的对象，记为It，取It中每一列沿深度增加方向第一个非零值的纵坐标组成一个一维数组，对其进行多次中值滤波，其结果记为Ied；
经过多次中值滤波的一维数组，即Ied中每一个元素的索引为原图中的列数，元素的值为原图中对应列上的行数，这些元素在原图中的坐标即认为是空气-皮肤分界面；
③在空气-皮肤分界面的深度增加和减少方向各取出一定量像素，使空气-皮肤分界在一平坦的线上，得到一幅图像，记为Iroi，对该图按行求平均，得到一列一维数组，记为AVR，对其做一维线性滤波后，求得第一个局部极大值的坐标，记为maxloc，第一个局部极大值和第二个局部极大值之间的最小值的坐标，记为minloc，得到两者的距离为t＝minloc-maxloc；
将Iroi的所有列平均分为N组，N取[20,50]可以被总列数整除的值；
每组内的所有像素按行求平均，得到列数为N，行数与Iroi相同的二维图像，取每列第一个局部极大值，坐标记为P1，取距离P1大于t的第一个局部极大值，坐标记为P2，第一个与第二个极大值之间的最小值，索引记为V，取ED＝(V+P2)/2的索引位置记为表皮-真皮分界位置，将表皮厚度记为ET＝ED-P1，从而得到每组的表皮厚度，即每个局部位置的表皮厚度，将每个局部位置的表皮厚度平均得到平均表皮厚度。
2.根据权利要求1所述的自动测量皮肤光学相干层析图像中表皮厚度的方法，其特征在于所述的边缘检测算子是"canny"边缘算子。
3.根据权利要求1所述的自动测量皮肤光学相干层析图像中表皮厚度的方法，其特征在于所述的形态学处理是先一次形态学闭运算然后一次竖直方向膨胀运算。
4.根据权利要求1所述的自动测量皮肤光学相干层析图像中表皮厚度的方法，其特征在于，所述的自适应阈值二值化处理是取每一列灰度最大值的一半作为阈值。
5.根据权利要求1所述的自动测量皮肤光学相干层析图像中表皮厚度的方法，其特征在于，所述的二值图像Ie中既有空气-皮肤分界面，也有受噪声干扰误提取出的错误边界。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811249657.6A CN109389568B (zh) | 2018-10-25 | 2018-10-25 | 自动测量皮肤光学相干层析图像中表皮厚度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811249657.6A CN109389568B (zh) | 2018-10-25 | 2018-10-25 | 自动测量皮肤光学相干层析图像中表皮厚度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109389568A true CN109389568A (zh) | 2019-02-26 |
| CN109389568B CN109389568B (zh) | 2022-04-01 |
Family
ID=65426803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811249657.6A Active CN109389568B (zh) | 2018-10-25 | 2018-10-25 | 自动测量皮肤光学相干层析图像中表皮厚度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109389568B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110807747A (zh) * | 2019-10-31 | 2020-02-18 | 北京华宇信息技术有限公司 | 一种基于前景蒙版的文档图像降噪方法 |
| CN111007062A (zh) * | 2019-10-24 | 2020-04-14 | 杭州捷诺飞生物科技股份有限公司 | 组织工程皮肤构建过程中oct实时无损监测方法 |
| CN112037242A (zh) * | 2020-08-31 | 2020-12-04 | 中国科学院上海光学精密机械研究所 | 皮肤光学相干层析成像图像中表皮层的自动识别方法 |
| CN113643319A (zh) * | 2021-10-18 | 2021-11-12 | 成都汇声科技有限公司 | 在图像上标定脂肪厚度起算线及脂肪厚度测量方法 |
| CN114209278A (zh) * | 2021-12-14 | 2022-03-22 | 复旦大学 | 一种基于光学相干层析成像的深度学习皮肤病诊断系统 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130286354A1 (en) * | 2011-10-11 | 2013-10-31 | Carl Zeiss Meditec, Inc. | Assessment of retinal disruption |
| CN103514605A (zh) * | 2013-10-11 | 2014-01-15 | 南京理工大学 | 基于hd-oct视网膜图像的脉络膜层自动分割方法 |
| CN103810709A (zh) * | 2014-02-25 | 2014-05-21 | 南京理工大学 | 基于血管的眼底图像与sd-oct投影图像配准方法 |
| CN103971348A (zh) * | 2014-04-08 | 2014-08-06 | 杭州电子科技大学 | 基于Schwalbe线的眼前房角参数自动测量方法 |
| CN104042184A (zh) * | 2013-03-15 | 2014-09-17 | 佳能株式会社 | 图像处理设备、图像处理系统及图像处理方法 |
| WO2015195247A1 (en) * | 2014-06-19 | 2015-12-23 | Novartis Ag | Ophthalmic imaging system with automatic retinal feature detection |
| CN105283901A (zh) * | 2013-03-15 | 2016-01-27 | 光学实验室成像公司 | 校准和图像处理设备、方法和系统 |
| CN105551038A (zh) * | 2015-12-14 | 2016-05-04 | 苏州大学 | 一种基于三维oct图像的全自动分类及分割视网膜分支动脉阻塞的方法 |
| CN106558030A (zh) * | 2016-11-15 | 2017-04-05 | 苏州大学 | 三维大视野扫频光学相干断层成像中脉络膜的分割方法 |
| CN106600614A (zh) * | 2016-12-19 | 2017-04-26 | 南京理工大学 | 基于凹凸性的sd‑oct视网膜图像cnv分割方法 |
| CN107133959A (zh) * | 2017-06-12 | 2017-09-05 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
| US20170301066A1 (en) * | 2015-10-14 | 2017-10-19 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image correction |
| CN107644424A (zh) * | 2017-10-09 | 2018-01-30 | 南京医科大学第附属医院 | 通过合并edi‑oct图像来分割sd‑oct图像脉络膜的方法 |
| US20180092515A1 (en) * | 2016-10-05 | 2018-04-05 | Fujifilm Corporation | Endoscope system and method of driving endoscope system |
-
2018
- 2018-10-25 CN CN201811249657.6A patent/CN109389568B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130286354A1 (en) * | 2011-10-11 | 2013-10-31 | Carl Zeiss Meditec, Inc. | Assessment of retinal disruption |
| CN105283901A (zh) * | 2013-03-15 | 2016-01-27 | 光学实验室成像公司 | 校准和图像处理设备、方法和系统 |
| CN104042184A (zh) * | 2013-03-15 | 2014-09-17 | 佳能株式会社 | 图像处理设备、图像处理系统及图像处理方法 |
| US20140268048A1 (en) * | 2013-03-15 | 2014-09-18 | Canon Kabushiki Kaisha | Image processing device, image processing system, image processing method, and program |
| CN103514605A (zh) * | 2013-10-11 | 2014-01-15 | 南京理工大学 | 基于hd-oct视网膜图像的脉络膜层自动分割方法 |
| CN103810709A (zh) * | 2014-02-25 | 2014-05-21 | 南京理工大学 | 基于血管的眼底图像与sd-oct投影图像配准方法 |
| CN103971348A (zh) * | 2014-04-08 | 2014-08-06 | 杭州电子科技大学 | 基于Schwalbe线的眼前房角参数自动测量方法 |
| WO2015195247A1 (en) * | 2014-06-19 | 2015-12-23 | Novartis Ag | Ophthalmic imaging system with automatic retinal feature detection |
| US20170301066A1 (en) * | 2015-10-14 | 2017-10-19 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image correction |
| CN105551038A (zh) * | 2015-12-14 | 2016-05-04 | 苏州大学 | 一种基于三维oct图像的全自动分类及分割视网膜分支动脉阻塞的方法 |
| US20180092515A1 (en) * | 2016-10-05 | 2018-04-05 | Fujifilm Corporation | Endoscope system and method of driving endoscope system |
| CN106558030A (zh) * | 2016-11-15 | 2017-04-05 | 苏州大学 | 三维大视野扫频光学相干断层成像中脉络膜的分割方法 |
| CN106600614A (zh) * | 2016-12-19 | 2017-04-26 | 南京理工大学 | 基于凹凸性的sd‑oct视网膜图像cnv分割方法 |
| CN107133959A (zh) * | 2017-06-12 | 2017-09-05 | 上海交通大学 | 一种快速的血管边界三维分割方法及系统 |
| CN107644424A (zh) * | 2017-10-09 | 2018-01-30 | 南京医科大学第附属医院 | 通过合并edi‑oct图像来分割sd‑oct图像脉络膜的方法 |
Non-Patent Citations (2)
| Title |
|---|
| SHI F等: "Automated 3-D retinal layer segmentation of macular optical coherence tomography images with serous pigment epithelial detachments", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
| 贺琪欲等: "基于光学相干层析成像的视网膜图像自动分层方法", 《光学学报》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111007062A (zh) * | 2019-10-24 | 2020-04-14 | 杭州捷诺飞生物科技股份有限公司 | 组织工程皮肤构建过程中oct实时无损监测方法 |
| CN110807747A (zh) * | 2019-10-31 | 2020-02-18 | 北京华宇信息技术有限公司 | 一种基于前景蒙版的文档图像降噪方法 |
| CN110807747B (zh) * | 2019-10-31 | 2021-03-30 | 北京华宇信息技术有限公司 | 一种基于前景蒙版的文档图像降噪方法 |
| CN112037242A (zh) * | 2020-08-31 | 2020-12-04 | 中国科学院上海光学精密机械研究所 | 皮肤光学相干层析成像图像中表皮层的自动识别方法 |
| CN112037242B (zh) * | 2020-08-31 | 2022-03-08 | 中国科学院上海光学精密机械研究所 | 皮肤光学相干层析成像图像中表皮层的自动识别方法 |
| CN113643319A (zh) * | 2021-10-18 | 2021-11-12 | 成都汇声科技有限公司 | 在图像上标定脂肪厚度起算线及脂肪厚度测量方法 |
| CN113643319B (zh) * | 2021-10-18 | 2021-12-10 | 成都汇声科技有限公司 | 在图像上标定脂肪厚度起算线及脂肪厚度测量方法 |
| CN114209278A (zh) * | 2021-12-14 | 2022-03-22 | 复旦大学 | 一种基于光学相干层析成像的深度学习皮肤病诊断系统 |
| CN114209278B (zh) * | 2021-12-14 | 2023-08-25 | 复旦大学 | 一种基于光学相干层析成像的深度学习皮肤病诊断系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109389568B (zh) | 2022-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109389568A (zh) | 自动测量皮肤光学相干层析图像中表皮厚度的方法 | |
| US9384404B2 (en) | Apparatus and method for capturing a vital vascular fingerprint | |
| Yousefi et al. | Segmentation and quantification of blood vessels for OCT-based micro-angiograms using hybrid shape/intensity compounding | |
| US11557072B2 (en) | Clustering algorithm-based multi-parameter cumulative calculation method for lower limb vascular calcification indexes | |
| CN107862724B (zh) | 一种改进的微血管血流成像方法 | |
| WO2019244043A1 (en) | Methods and systems to quantify and remove asynchronous noise in biophysical signals | |
| Ganapathy et al. | Dual-imaging system for burn depth diagnosis | |
| CN108135477A (zh) | 处理光学相干断层扫描 | |
| CN111387959A (zh) | 一种基于ippg的非接触式生理参数检测方法 | |
| CN110298273A (zh) | 一种基于多光谱图像的3d指静脉提取方法及系统 | |
| CN114209278B (zh) | 一种基于光学相干层析成像的深度学习皮肤病诊断系统 | |
| CN111493853A (zh) | 一种针对血管性皮肤病的血管参数评价方法及系统 | |
| Lee et al. | Optical coherence tomography confirms non‐malignant pigmented lesions in phacomatosis pigmentokeratotica using a support vector machine learning algorithm | |
| Ma et al. | Multiscale confocal photoacoustic dermoscopy to evaluate skin health | |
| CN108197535A (zh) | 指静脉图像质量评判方法及装置 | |
| CN116584977A (zh) | 一种用于脑血管疾病分析的计算机辅助诊断系统和方法 | |
| CN111829956B (zh) | 基于超声结构分层引导的光声内窥定量层析成像方法及其系统 | |
| CN112037242B (zh) | 皮肤光学相干层析成像图像中表皮层的自动识别方法 | |
| US20210022631A1 (en) | Automated optic nerve sheath diameter measurement | |
| CN112869768A (zh) | 基于多模态成像的身体机能多参数量化方法和装置 | |
| Liao et al. | Deep-Learning-based Vasculature Extraction for Single-Scan Optical Coherence Tomography Angiography | |
| Hino et al. | A noise-robust pulse wave estimation from NIR video using Wiener estimation method | |
| CN114209299B (zh) | 一种基于ippg技术的人体生理参数检测通道选择的方法 | |
| LU102578B1 (en) | Application of three-dimensional (3d) photoacoustic imaging in breast tumor scoring system and device | |
| CN112116027A (zh) | 一种基于oct成像图像的光学强度及梯度的皮肤癌分类方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |