CN111557672A - 一种烟酸皮肤反应图像分析方法和设备 - Google Patents
一种烟酸皮肤反应图像分析方法和设备 Download PDFInfo
- Publication number
- CN111557672A CN111557672A CN202010415032.3A CN202010415032A CN111557672A CN 111557672 A CN111557672 A CN 111557672A CN 202010415032 A CN202010415032 A CN 202010415032A CN 111557672 A CN111557672 A CN 111557672A
- Authority
- CN
- China
- Prior art keywords
- skin
- niacin
- subject
- reaction
- nicotinic acid
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B10/00—Other methods or instruments for diagnosis, e.g. instruments for taking a cell sample, for biopsy, for vaccination diagnosis; Sex determination; Ovulation-period determination; Throat striking implements
- A61B10/0035—Vaccination diagnosis other than by injuring the skin, e.g. allergy test patches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Educational Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Developmental Disabilities (AREA)
- Bioinformatics & Computational Biology (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明涉及一种烟酸皮肤反应图像分析方法和设备,包括以下步骤,在受试者前臂皮肤上贴上烟酸甲酯贴片;获取受试者前臂皮肤的烟酸反应区域图像并进行分析,生成该受试者烟酸皮肤反应的识别标记图;获取现有诊断数据中的识别标记图,作为输入训练烟酸皮肤反应的预测模型;将受试者烟酸皮肤反应的识别标记图输入所述预测模型,获得受试者烟酸皮肤反应的预测结果,本发明解决了目前烟酸皮肤反应程度缺乏快速客观的量化工具的问题,引入图像处理分析的方法,以精神分裂症等重性精神病为研发服务和应用的对象,实现烟酸皮肤反应程度的量化检测。
Description
技术领域
本发明涉及精神病诊断技术领域,具体涉及一种烟酸皮肤反应图像分析方法和设备。
背景技术
烟酸是一种水溶性维生素,通过接触人体皮肤可引起皮肤潮红反应,大量的实验数据已经证明烟酸反应异常是精神分裂症的内表型特征之一。精神分裂症的烟酸反应异常检测方法以往一直采用观察评估法,这种方法主要通过人为观察皮肤潮红的程度并给予打分,主观性强且数据非定量。近年又提出了激光多普勒法,即利用激光多普勒仪,通过检测接触烟酸皮肤下的血流速度,来量化烟酸反应的程度,但该方法与观察评估法采集的数据不同源,因此无法将观察评估法采集的数据作为前期数据进行参考,并不能作为临床可用的检测方式。
发明内容
本发明的目是解决目前烟酸皮肤反应程度缺乏快速客观的量化工具这一问题,引入基于图像处理分析的方法,以精神分裂症等重性精神病为研发服务和应用的对象,实现烟酸皮肤反应程度的量化检测。
为了达到上述目的,本发明一方面提供一种烟酸皮肤反应图像分析方法,包括:
将受试者前臂平放于前臂固定装置之上,在受试者前臂皮肤上贴上烟酸甲酯贴片;
获取受试者前臂皮肤的烟酸反应区域图像,对所述区域图像进行分析以判断该区域是否产生烟酸皮肤反应,生成该受试者烟酸皮肤反应的识别标记图;
获取现有诊断数据中的识别标记图,对诊断数据中的识别标记图进行预标注,将分类标注后的识别标记图作为输入,训练烟酸皮肤反应的预测模型;
将受试者烟酸皮肤反应的识别标记图输入所述预测模型,获得受试者烟酸皮肤反应的预测结果。
进一步的,所述区域图像的分析过程包括:
将区域图像转换成一个M×N个像素点所组成的矩阵;
计算每个像素的潮红程度值RS,从而获取所述区域图像的潮红程度值M×N×RS;
判断区域图像中是否存在超过阈值Threshold的区域,将区域超过阈值Threshold时,该区域为烟酸反应区域;
计算该烟酸反应区的面积AI和平均潮红程度值SI,以完成烟酸反应区的分析。
进一步的,所述潮红程度值RS的计算过程中,分别根据该像素的红色(R)值、绿色(G)值、蓝色(B)值进行加权计算,其中红色(R)值和绿色(G)值为正权重,蓝色(B)值为负权重,具体计算公式为:
RS=αγ-βG+γB。
进一步的,所述平均潮红程度值SI为该区域中像素潮红程度值RS的平均值,具体计算公式为:
SI=mean(RS)。
进一步的,所述阈值Threshold为所述区域的平均潮红程度值RS加上其两倍的标准差,具体计算公式为:
Threshold=mean(RS)-2×std(RS)。
进一步的,将所述诊断数据的识别标记图分类标注为:首发精神分裂症组、精神分裂症临床高危组和健康对照组。
进一步的,根据所述识别标记图的分类标注,所述预测模型对输入的识别标记图进行特征选取和分类,完成对识别标记图的分类。
另一方面,本发明还提供一种烟酸皮肤反应图像分析设备,包括:
烟酸甲酯贴片,用以贴在受试者前臂皮肤上以进行烟酸皮肤测试;
检测装置,用以获取受试者前臂皮肤上的烟酸皮肤反应区域的图像;
分析预测装置,用以分析所述图像,生成该受试者烟酸皮肤反应的识别标记图,并将识别标记图输入预测模型给出受试者的分类和预测结果。
进一步的,所述烟酸甲酯贴片包括0.1、0.01、0.001和0.0001四个浓度的检测区域。
进一步的,检测装置包括:
前臂固定模块,用以固定受试者前臂以进行烟酸皮肤测试;
摄像模块,安装于前臂固定模块上方,用以拍摄受试者前臂上的反应区域。
照明模块,用以提供标准化的光源以对受试者前臂上的反应区域提供照明。
进一步的,所述分析预测装置包括处理器和存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行上述一种烟酸皮肤反应图像分析方法中的步骤。
本发明具有以如下有益效果:
1.基于以往采用的观察法积累的大量中国人的烟酸皮肤反应定量化数据,建立精神分裂症等重性精神病中设置正常和异常的量化标准,数据具有本土化、高标准、高纯度的特征。
2.本发明创新性地采用图像处理和分析方法进行烟酸反应的定量化检测,引入图像处理的技术,实现主观目测法的客观量化,将烟酸检测的量化指标个体化,赋予临床意义。
3.本发明经过了内部重复验证和外部独立样本的多重验证,还经过传统目测评分法和多普勒法的方法学验证,表现出良好的稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种烟酸皮肤反应图像分析方法的流程示意图。
图2是本发明实施例的烟酸皮肤反应区域图像的分析方法流程图。
图3是本发明实施例的不同浓度的烟酸反应的识别标记图。
图4是本发明实施例的烟酸甲酯贴片不同反应区域的示意图。
图5为本发明实施例的一种烟酸皮肤反应图像检测装置的系统框架图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前,精神分裂症的烟酸反应异常检测方法一直是观察评估法,这种方法主要通过人为的观察皮肤潮红的程度给予打分,因主观性强且数据非定量而受到诟病。近年来,我院专家与美方合作共同研发了一种激光多普勒法,此法利用激光多普勒仪,通过检测接触烟酸皮肤下的血流速度,来量化烟酸反应的程度。但是多普勒法需要依赖于激光多普勒仪,操作步骤繁琐,无前期数据可以参考,由于与观察法的数据并不同源(前者是血流速度,后者是皮肤发红程度),因此发展为临床可用的检测,从目前的情况看还不成熟。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
图1是本发明实施例的一种烟酸皮肤反应图像分析方法的流程示意图。图图1所示,本发明实施例的一种烟酸皮肤反应图像分析方法包括以下步骤:
步骤S1,将受试者前臂平放于前臂固定装置之上,在受试者前臂皮肤上贴上烟酸甲酯贴片。
作为一个实施例,测试用的烟酸甲酯贴片制作过程如下:将四种不同浓度(0.1,0.01,0.001和0.0001)的烟酸甲酯[甲基吡啶-3-羧酸酯(C7H7NO2)],滴到标准吸墨纸上,该吸墨纸固定在带有双面胶带的矩形纸板以完成贴片的制作。
进一步的,在使用过程中,将贴片向下压到受试者前臂上方1分钟然后取下。每个受试者的烟酸皮肤反应以5分钟的间隔评估四次,共计20分钟4次(即5、10、15、20分钟)。
步骤S2,获取受试者前臂皮肤的烟酸反应区域图像,对所述区域图像进行分析以判断该区域是否产生烟酸皮肤反应,生成该受试者烟酸皮肤反应的识别标记图。
作为一个实施例,当受试者前臂皮肤产生烟酸反应时,通过设置于受试者前臂上方的摄像模块获取反应区域的完整的图像,图像输入分析预测装置根据皮肤潮红反应的强弱确认反应的级别。
如图2所示,作为一个实施例,区域图像的分析过程包括:
步骤S201将反应区域的图像转换成一个M×N个像素点所组成的矩阵。
具体的,M为行数,N为列数,像素点通过红色(R)、绿色(G)、蓝色(B)的亮度值进行描述,亮度值为0到255个级别。
步骤S202计算每个像素的潮红程度值RS(response strength),从而获取所述区域图像的潮红程度值M×N×RS。
具体的,在潮红程度值RS的计算过程中,分别根据该像素的红色(R)值、绿色(G)值、蓝色(B)值进行加权计算,其中红色(R)值和绿色(G)值为正权重,蓝色(B)值为负权重,具体计算公式为:
RS=αγ-βG+γB。
步骤S203判断区域图像中是否存在超过阈值Threshold的区域,将区域超过阈值Threshold时,该区域为烟酸反应区域。
具体的,图片某块区域的RS超过阈值(threshold)时,我们把这块区域当作烟酸反应区域,所述阈值Threshold为所述区域的潮红程度值RS加上其两倍的标准差,具体计算公式为:
Threshold=mean(RS)-2×std(RS)。
步骤S204计算该烟酸反应区的面积AI(area index,AI)和平均潮红程度值SI(strength index,SI),以完成烟酸反应区的分析。
具体的,所述烟酸反应区的面积AI通过统计该区域内像素矩阵的行数M和列数N得出。所述平均潮红程度值SI为该区域中像素潮红程度值RS的平均值,具体计算公式为:
SI=mean(RS)。
作为一个实施例,烟酸反应区的面积AI和平均潮红程度值SI均为评价烟酸反应的指标。评估使用7点描述性标度对反应进行四种浓度评级,包括:1)根本没有皮肤反应;2)烟酸斑区内红斑,红斑小于总面积的50%,无水肿;3)烟酸斑区内轻微发红,红斑超过总贴片面积的50%,无水肿;4)中度发红,覆盖整个贴片区域,贴片区域边界仍然非常尖锐,和/或轻微水肿(开始水肿的截止点,可以感觉轻微抬高,但不一定看到它);5)中度发红,红肿扩散,但不到50%的贴片区域边界被“破坏”,和/或中度水肿(可以看到并感觉到水肿);6)明显发红,和/或超过50%的贴片区域边界“破损”,和/或突出的水肿;7)明显发红,贴片区域几乎无法识别(红色明显扩散),并且出现比贴片区域大一些突出的水肿。将这些评级相加以提供被试的总烟酸皮肤反应评分。对于每个浓度和每个时间点分别得到小计。
作为一个实施例,如图3所示,在完成反应区域的图像分析之后,生成了不同浓度的烟酸反应的识别标记图,还包括该识别标记图的烟酸反应区的面积和平均潮红程度值,及烟酸皮肤反应评分。
S3获取现有诊断数据中的识别标记图,对诊断数据中的识别标记图进行预标注,将分类标注后的识别标记图作为输入,训练烟酸皮肤反应的预测模型。
本领域技术人员应该可以理解,现有的诊断数据包括电子病历、检测记录、文献等,诊断数据通过传统的观察法获取烟酸皮肤反应的检测数据。
作为一个实施例,本实施例采用诊断数据包括三个分组,均为多年临床累积的数据并结合2年以上的随访临床结论,其中包括200例首发精神分裂症组病例,200例精神分裂症临床高危病例和400例健康对照组。根据上述诊断数据作为输入,训练预测模型。
具体的,首先根据诊断数据的分类标签进行训练,以获得预测模型。诊断数据的包括多时点的识别分类图,根据分类标签的不同,构建烟酸皮肤反应检测的区分准确度,系统评价预测的分类效果及预测效果是否具有相当的准确性,使得烟酸皮肤反应检测仪更能反映临床实际的情况。
S4将受试者烟酸皮肤反应的识别标记图输入所述预测模型,获得受试者烟酸皮肤反应的预测结果。
作为一个实施例,量化的烟酸反应数据需要与临床信息紧密相关,只有这样才能真正服务于临床。因此,本发明将数据的采集和验证均密切围绕临床样本,保证临床样本具有代表性,并严把评估关,确保数据真实可靠。通过量化烟酸皮肤反应数据和临床转归相结合的方式构建分类和预测模型,将数据赋予临床含义,服务临床应用的后期转化。
作为另一个实施例,本发明还提供一种烟酸皮肤反应图像分析设备,包括:
烟酸甲酯,用以贴在受试者前臂皮肤上以进行烟酸皮肤测试;
检测装置,用以获取受试者前臂皮肤上的烟酸皮肤反应区域的图像;
分析预测装置,用以分析所述图像,生成该受试者烟酸皮肤反应的识别标记图,并将识别标记图输入预测模型给出受试者的分类和预测结果。
如图4所示,烟酸甲酯贴片包括0.1、0.01、0.001和0.0001四个浓度的检测区域。烟酸甲酯贴片利用四种不同浓度(0.1,0.01,0.001和0.0001)的烟酸甲酯[甲基吡啶-3-羧酸酯(C7H7NO2)]滴到标准吸墨纸上,该吸墨纸固定在带有双面胶带的矩形纸板制作而成。
图5为本发明一个实施例的检测装置的系统框架图,如图5所示,检测装置包括:前臂固定模块301、摄像模块302和照明模块303。
具体的,前臂固定模块301,用以固定受试者前臂以进行烟酸皮肤测试。摄像模块302,安装于前臂固定模块301上方,用以拍摄受试者前臂上的反应区域。照明模块303,用以提供标准化的光源以对受试者前臂上的反应区域提供照明。
进一步的,所述分析预测装置包括处理器和存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行上述一种烟酸皮肤反应图像分析方法中的步骤。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)-连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种烟酸皮肤反应图像分析方法,其特征在于,包括:
将受试者前臂平放于前臂固定装置之上,在受试者前臂皮肤上贴上烟酸甲酯贴片;
获取受试者前臂皮肤的烟酸反应区域图像,对所述区域图像进行分析以判断该区域是否产生烟酸皮肤反应,生成该受试者烟酸皮肤反应的识别标记图;
获取现有诊断数据中的识别标记图,对诊断数据中的识别标记图进行预标注,将分类标注后的识别标记图作为输入,训练烟酸皮肤反应的预测模型;
将受试者烟酸皮肤反应的识别标记图输入所述预测模型,获得受试者烟酸皮肤反应的预测结果。
2.如权利要求1所述的一种烟酸皮肤反应图像分析方法,其特征在于,所述区域图像的分析过程包括:
将区域图像转换成一个M×N个像素点所组成的矩阵;
计算每个像素的潮红程度值RS,从而获取所述区域图像的潮红程度值M×N×RS;
判断区域图像中是否存在超过阈值Threshold的区域,将区域超过阈值Threshold时,该区域为烟酸反应区域;
计算该烟酸反应区的面积AI和平均潮红程度值SI,以完成烟酸反应区的分析。
3.如权利要求2所述的一种烟酸皮肤反应图像分析方法,其特征在于,所述潮红程度值RS的计算过程中,分别根据该像素的红色(R)值、绿色(G)值、蓝色(B)值进行加权计算,其中红色(R)值和绿色(G)值为正权重,蓝色(B)值为负权重,具体计算公式为:
RS=αγ-βG+γB。
4.如权利要求2所述的一种烟酸皮肤反应图像分析方法,其特征在于,所述平均潮红程度值SI为该区域中像素潮红程度值RS的平均值,具体计算公式为:
SI=mean(RS)。
5.如权利要求2所述的一种烟酸皮肤反应图像分析方法,其特征在于,所述阈值Threshold为所述区域的平均潮红程度值RS加上其两倍的标准差,具体计算公式为:
Threshold=mean(RS)-2×std(RS)。
6.如权利要求1所述的一种烟酸皮肤反应图像分析方法,其特征在于,将所述诊断数据的识别标记图分类标注为:首发精神分裂症组、精神分裂症临床高危组和健康对照组。
7.如权利要求6所述的一种烟酸皮肤反应图像分析方法,其特征在于,根据所述识别标记图的分类标注,所述预测模型对输入的识别标记图进行特征选取和分类,完成对识别标记图的分类。
8.一种烟酸皮肤反应图像分析设备,其特征在于,包括:
烟酸甲酯贴片,用以贴在受试者前臂皮肤上以进行烟酸皮肤测试;
检测装置,用以获取受试者前臂皮肤上的烟酸皮肤反应区域的图像;
分析预测装置,用以分析所述图像,生成该受试者烟酸皮肤反应的识别标记图,并将识别标记图输入预测模型给出受试者的分类和预测结果。
9.如权利要求8所述的一种烟酸皮肤反应图像分析设备,其特征在于,所述烟酸甲酯贴片包括0.1、0.01、0.001和0.0001四个浓度的检测区域。
10.如权利要求8所述的一种烟酸皮肤反应图像分析设备,其特征在于,检测装置包括:
前臂固定模块,用以固定受试者前臂以进行烟酸皮肤测试;
摄像模块,安装于前臂固定模块上方,用以拍摄受试者前臂上的反应区域。
照明模块,用以提供标准化的光源以对受试者前臂上的反应区域提供照明。
11.如权利要求8所述的一种烟酸皮肤反应图像分析设备,其特征在于,所述分析预测装置包括处理器和存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至7任一项所述的一种烟酸皮肤反应图像分析方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010415032.3A CN111557672B (zh) | 2020-05-15 | 2020-05-15 | 一种烟酸皮肤反应图像分析方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010415032.3A CN111557672B (zh) | 2020-05-15 | 2020-05-15 | 一种烟酸皮肤反应图像分析方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111557672A true CN111557672A (zh) | 2020-08-21 |
CN111557672B CN111557672B (zh) | 2023-06-27 |
Family
ID=72068247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010415032.3A Active CN111557672B (zh) | 2020-05-15 | 2020-05-15 | 一种烟酸皮肤反应图像分析方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111557672B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096082A (zh) * | 2021-03-30 | 2021-07-09 | 黄毅 | 一种皮试结果检测仪器 |
CN113223041A (zh) * | 2021-06-25 | 2021-08-06 | 上海添音生物科技有限公司 | 用于自动提取图像中目标区域的方法、系统及存储介质 |
CN113749642A (zh) * | 2021-07-07 | 2021-12-07 | 上海耐欣科技有限公司 | 量化皮肤潮红反应程度的方法、系统、介质及终端 |
CN116206759A (zh) * | 2023-01-17 | 2023-06-02 | 西安电子科技大学 | 一种基于图像分析的心理健康评估装置、设备及存储介质 |
CN116269378A (zh) * | 2023-01-09 | 2023-06-23 | 西安电子科技大学 | 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置 |
CN116385760A (zh) * | 2023-01-15 | 2023-07-04 | 西安电子科技大学广州研究院 | 一种皮肤烟酸反应分类设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869155A (zh) * | 2016-03-24 | 2016-08-17 | 天津大学 | 面部皮肤发红区域的提取方法 |
US20180190377A1 (en) * | 2016-12-30 | 2018-07-05 | Dirk Schneemann, LLC | Modeling and learning character traits and medical condition based on 3d facial features |
CN109549654A (zh) * | 2017-09-26 | 2019-04-02 | 上海添音生物科技有限公司 | 一种常见精神疾病辅助筛选试剂盒及方法 |
CN110148121A (zh) * | 2019-05-09 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 一种皮肤图像处理方法、装置、电子设备及介质 |
-
2020
- 2020-05-15 CN CN202010415032.3A patent/CN111557672B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869155A (zh) * | 2016-03-24 | 2016-08-17 | 天津大学 | 面部皮肤发红区域的提取方法 |
US20180190377A1 (en) * | 2016-12-30 | 2018-07-05 | Dirk Schneemann, LLC | Modeling and learning character traits and medical condition based on 3d facial features |
CN109549654A (zh) * | 2017-09-26 | 2019-04-02 | 上海添音生物科技有限公司 | 一种常见精神疾病辅助筛选试剂盒及方法 |
CN110148121A (zh) * | 2019-05-09 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 一种皮肤图像处理方法、装置、电子设备及介质 |
Non-Patent Citations (1)
Title |
---|
王燕 等: "精神病临床高危人群的烟酸皮肤反应特点分析", 《上海交通大学学报(医学版)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096082A (zh) * | 2021-03-30 | 2021-07-09 | 黄毅 | 一种皮试结果检测仪器 |
CN113223041A (zh) * | 2021-06-25 | 2021-08-06 | 上海添音生物科技有限公司 | 用于自动提取图像中目标区域的方法、系统及存储介质 |
WO2022267300A1 (zh) * | 2021-06-25 | 2022-12-29 | 上海添音生物科技有限公司 | 用于自动提取图像中目标区域的方法、系统及存储介质 |
CN113223041B (zh) * | 2021-06-25 | 2024-01-12 | 上海添音生物科技有限公司 | 用于自动提取图像中目标区域的方法、系统及存储介质 |
CN113749642A (zh) * | 2021-07-07 | 2021-12-07 | 上海耐欣科技有限公司 | 量化皮肤潮红反应程度的方法、系统、介质及终端 |
CN116269378A (zh) * | 2023-01-09 | 2023-06-23 | 西安电子科技大学 | 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置 |
CN116269378B (zh) * | 2023-01-09 | 2023-11-17 | 西安电子科技大学 | 一种基于皮肤烟酸反应视频分析的心理健康状态检测装置 |
CN116385760A (zh) * | 2023-01-15 | 2023-07-04 | 西安电子科技大学广州研究院 | 一种皮肤烟酸反应分类设备 |
CN116385760B (zh) * | 2023-01-15 | 2024-04-30 | 西安电子科技大学广州研究院 | 一种皮肤烟酸反应分类设备 |
CN116206759A (zh) * | 2023-01-17 | 2023-06-02 | 西安电子科技大学 | 一种基于图像分析的心理健康评估装置、设备及存储介质 |
CN116206759B (zh) * | 2023-01-17 | 2023-11-28 | 西安电子科技大学 | 一种基于图像分析的心理健康评估装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111557672B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111557672A (zh) | 一种烟酸皮肤反应图像分析方法和设备 | |
CN109524069B (zh) | 医疗数据处理方法、装置、电子设备和存储介质 | |
Langley et al. | Accuracy of algorithms for detection of atrial fibrillation from short duration beat interval recordings | |
CN113288452A (zh) | 手术质量检测方法及装置 | |
KR20140126229A (ko) | 생체 나이 연산 모델 생성 방법 및 시스템과, 그 생체 나이 연산 방법 및 시스템 | |
Pereira et al. | Evaluation of the measurement uncertainty in screening immunoassays in blood establishments: Computation of diagnostic accuracy models | |
KR101734959B1 (ko) | 실시간 혈흔 측정을 통한 사후 경과 시간 예측 방법 및 시스템 | |
CN114078600A (zh) | 一种基于云技术的智能多通道疾病诊断系统和方法 | |
US11911173B2 (en) | Preclinical evaluation of skin condition and risk evaluation | |
CN115661728B (zh) | 基于图像识别的病毒采样到位判断方法及病毒采样系统 | |
CN114176532B (zh) | 一种测定cfPWV参数的临床验证方法及其应用系统 | |
CN115439929A (zh) | 一种抗原检测过程中鼻拭子采集动作判定方法及存储介质 | |
Chow et al. | Are training programs ready for the rapid adoption of CCTA? CBME in CCTA | |
TW202219977A (zh) | 心胸比估算方法及心胸比估算系統 | |
Sidik et al. | The identification of outliers in wrapped normal data by using Ga statistics | |
McMahan et al. | Estimating covariate‐adjusted measures of diagnostic accuracy based on pooled biomarker assessments | |
CN114724720B (zh) | 一种基于深度学习的产前电子胎心监护自动识别系统 | |
FR3084508A1 (fr) | Procede de prediction d’un bilan biologique | |
CN117171478B (zh) | 一种医学检测数据误差识别模型构建方法与装置 | |
JP7384537B2 (ja) | 情報技術を用いた炎症検査方法 | |
CN115290890A (zh) | 新冠抗原定量监测预警方法及装置 | |
Fauzi et al. | Classification of Cervical Cancer Images Using Deep Residual Network Architecture | |
Rahmati et al. | MyoView: Fully-automated image segmentation method to analyse skeletal muscle cross section in exercise-induced regenerating myofibers | |
CN117831026A (zh) | 基于机器学习的食品质量检测方法及装置 | |
CN115393353A (zh) | 医学影像数据质量监测管理方法及系统 |
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 |