CN112330799A - 一种瘢痕测量方法 - Google Patents
一种瘢痕测量方法 Download PDFInfo
- Publication number
- CN112330799A CN112330799A CN202011143824.6A CN202011143824A CN112330799A CN 112330799 A CN112330799 A CN 112330799A CN 202011143824 A CN202011143824 A CN 202011143824A CN 112330799 A CN112330799 A CN 112330799A
- Authority
- CN
- China
- Prior art keywords
- dimensional model
- keloid
- model
- scar
- data
- 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
- 231100000241 scar Toxicity 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 11
- 206010023330 Keloid scar Diseases 0.000 claims abstract description 65
- 208000002260 Keloid Diseases 0.000 claims abstract description 64
- 210000001117 keloid Anatomy 0.000 claims abstract description 64
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 230000037311 normal skin Effects 0.000 claims abstract description 15
- 238000000691 measurement method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000011282 treatment Methods 0.000 description 21
- 230000000694 effects Effects 0.000 description 8
- 208000032544 Cicatrix Diseases 0.000 description 5
- 230000037387 scars Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000007774 longterm Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T7/40—Analysis of texture
- G06T7/49—Analysis of texture based on structural texture description, e.g. using primitives or placement rules
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种瘢痕测量方法，包括以下步骤：S1、患者在皮肤上贴上设置有定位点的标签贴纸，然后使用手机对瘢痕位置以及标签贴纸进行拍照，生成图片，并将图片通过手机APP发送到APP后台；S2、APP后台将图片生成整体三维模型；S3、将整体三维模型中患者的正常皮肤与瘢痕疙瘩区域进行分割，得到瘢痕疙瘩三维模型；同时从整体三维模型中分离出正常皮肤模型、标尺模型；S4、通过正常皮肤模型与瘢痕疙瘩三维模型进行对比得到瘢痕色差数据；通过标尺模型与图片中标签贴纸上的定位点距离进行对比得到标尺模型与现实尺寸的比例关系；通过比例关系得到瘢痕的现实测量数据。
Description
技术领域
本发明涉及皮肤美容领域，尤其涉及一种瘢痕测量方法。
背景技术
瘢痕由多种因素形成，属于高发性皮肤疾病。其病程长，情况变化快，治疗效果评估困难。医院现阶段没有量化性检查、备案工具，对患者的治疗周期和恢复期内治疗评估没有有效对比工具，使医生对瘢痕发展掌握评估难度较大，药物治疗方案制定困难。其目前存在以下问题：
1、疗效评估不精确
瘢痕疙瘩是立体三维结构，而且形状不规则，表面凹凸不平，传统的用刻度尺测量方法，很难准确测量瘢痕疙瘩的面积和厚度，造成评估标准粗糙，误差大。
2、随访困难
异地患者无法做到按期随访，不但影响了瘢痕疙瘩治疗远期效果的评估，而且影响瘢痕疙瘩复发的早发现和早治疗。
3、治疗方法不确定
瘢痕疙瘩的治疗方法选择没有客观标准，多数情况下医生凭借经验和习惯选择治疗方案。
4、治疗结果难以预见
经治医生在研究治疗方案确定处置技术方法时，多数不能对患者的治疗效果做出准确预判。
发明内容
本发明目的是针对上述问题，提供一种可以远程测量、提高精准度的瘢痕测量方法。
为了实现上述目的，本发明的技术方案是：
一种瘢痕测量方法，包括以下步骤：
S1、患者在皮肤上贴上设置有定位点的标签贴纸，然后使用手机对瘢痕位置以及标签贴纸进行拍照，生成图片，并将图片通过手机APP发送到APP后台；
S2、APP后台将图片生成整体三维模型；
S3、将整体三维模型中患者的正常皮肤与瘢痕疙瘩区域进行分割，得到瘢痕疙瘩三维模型；同时从整体三维模型中分离出正常皮肤模型、标尺模型；
S4、通过正常皮肤模型与瘢痕疙瘩三维模型进行对比得到瘢痕色差数据；通过标尺模型与图片中标签贴纸上的定位点距离进行对比得到标尺模型与现实尺寸的比例关系；通过瘢痕疙瘩三维模型测量得到瘢痕的模型测量数据并通过标尺模型与现实尺寸的比例关系得到瘢痕的现实测量数据。
进一步的，所述步骤S2中将图片生成整体三维模型包括以下步骤：
S21、对图片进行特征点提取；
S22、从k-dtree中查找邻居特征点；
S23、进行RANSAC图像匹配；
S24、构建云点数据；
S25、通过云点数据构建三角面、贴图；
S26、通过三角面、贴图输出整体三维模型。
进一步的，所述步骤S3中从整体三维模型得到瘢痕疙瘩三维模型包括以下步骤：
S31、对整体三维模型进行平铺三角面处理；
S32、对每个三角面进行分析，根据UV坐标提取纹理图像；
S33、通过色差分离正常皮肤与瘢痕疙瘩区域；
S34、将纹理图像转化为灰度图像；
S35、使用haar对灰度图像进行分解，求取特征向量并进行归一化处理；
S36、剔除其余纹理图像与三角面，生成瘢痕疙瘩三维模型。
进一步的，所述步骤S4中通过瘢痕疙瘩三维模型测量得到瘢痕的模型测量数据包括以下步骤：
S41、通过瘢痕疙瘩三维模型的法线计算出瘢痕疙瘩三维模型的整体朝向；
S42、将瘢痕疙瘩三维模型整体水平放置，并对瘢痕疙瘩三维模型的覆盖区域做射线检测，获得瘢痕疙瘩三维模型像素单位内的起伏数据，将起伏数据进行图像化，得到高程图；
S43、通过高程图获得瘢痕疙瘩三维模型的截面数据，对每段截面数据做两次线性拟合，使每段的截面数据相对水平，再计算截面数据中顶端曲线与最下面水平线之间的面积，累积每段截面数据中的面积，得到瘢痕疙瘩三维模型的体积；
S44、通过瘢痕疙瘩三维模型的截面数据获得瘢痕疙瘩三维模型的最大厚度；
S45、将瘢痕疙瘩三维模型整体水平放置，对其进行俯视投影，获得俯视多边形图像，该俯视多边形图像的周长即为瘢痕疙瘩三维模型的周长；
S46、求取俯视多边形图像的最小包围矩形，该最小包围矩形的长、宽即为瘢痕疙瘩三维模型的长度值、宽度值。
与现有技术相比，本发明具有的优点和积极效果是：
本发明使得客户可以使用APP远程进行咨询，医生可以根据患者拍摄的图片得到瘢痕的色差、体积、周长等数据，方便了医生进行长期的诊疗跟踪；同时医生可以根据各个治疗阶段中不同的治疗效果来确定下一步的治疗方案，从而有效提高瘢痕的治疗效果；另一方面，本发明可以通过患者拍摄的图片进行三维建模，从而得到瘢痕的各项数据，其提高了瘢痕测量的准确性，进一步提高了本发明的使用效果。
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为本发明的框架流程图；
图2为图片生成整体三维模型的框架流程图；
图3为整体三维模型生成瘢痕疙瘩三维模型的框架流程图；
图4为计算瘢痕疙瘩三维模型测量数据的框架流程图。
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做出创造性劳动前提下所获得的所有其他实施例，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。
如图1至4所示，本实施例中的瘢痕测量方法，包括以下步骤：
1、采用手机拍照的方式采集图片，用户只需要领取标签贴纸，标签贴纸上设置有多个定位点，定位点的距离为限定值；登陆APP拍照，将照片传到APP后台。
2、模型生成
后台程序根据相机拍摄患处的图像，进行摄像机对齐、特征点提取、构建云点、通过云点数据构建三角面、生成UV与贴图；从图像生成整体三维模型是该应用最基础的一步，后面所有的数据都是从三维模型计算得到；
3、瘢痕疙瘩分割
根据后台程序生成的三维模型，我们通过可视化三维工具，将模型分割导出几部分：
（1）正常皮肤，从整体三维模型中选取正常皮肤，参考标尺长度，大约1CM左右，分离出后导出为正常皮肤模型；
（2）标尺区域，从整体三维模型中分离出标尺区域，此区域可为标尺的最小矩形范围，并导出为标尺模型；
（3）瘢痕疙瘩，从整体三维模型中根据瘢痕明显凸起或色变处分割，将瘢痕区域导出为瘢痕疙瘩模型；
4、数据计算
（1）色差计算；将正常皮肤模型和瘢痕疙瘩模型导入分析程序，得到正常皮肤平均颜色，以此颜色与瘢痕疙瘩的颜色做线性插值，可获得瘢痕疙瘩的色差范围；
（2）统一单位；导入标尺模型，通过图像识别，自动获得标签贴纸中三个定位点位置，根据模型中三个定位点的距离与现实中实际尺寸，建立模型与现实尺寸的单位比例关系，图像像素与现实尺寸的单位比例关系；
（3）生成高程图；导入瘢痕疙瘩模型，通过模型法线计算出整体朝向，将瘢痕疙瘩模型水平放置，在虚拟空间内，对模型覆盖区域做射线检测，获得瘢痕疙瘩模型像素单位内的起伏数据，将数据图像化，即高程图；
（4）体积计算；通过高程图内的数据，获得行列数据，即模型的截面数据，对每段截面数据做两次线性拟合，使每段的截面数据相对水平，再计算截面数据顶端曲线与最下面的水平线之间的封闭面积，累积每段截面面积，即模型体积；
（5）厚度计算；在计算截面面积时同时求得，最大厚度；
（6）周长计算；将瘢痕疙瘩模型水平放置后，进行顶视投影，将获得的投影图像分割，获得图像的多边形数据，此多边形线段总长，即周长；
（7）长度与宽度计算；与周长同理，获得顶视投影图像并分割，计算投影图像的最小包围矩形，矩形的长、宽即为所求瘢痕疙瘩模型的长、宽值。
本发明使得客户可以使用APP远程进行咨询，医生可以根据患者拍摄的图片得到瘢痕的色差、体积、周长等数据，方便了医生进行长期的诊疗跟踪；同时医生可以根据各个治疗阶段中不同的治疗效果来确定下一步的治疗方案，从而有效提高瘢痕的治疗效果；另一方面，本发明可以通过患者拍摄的图片进行三维建模，从而得到瘢痕的各项数据，其提高了瘢痕测量的准确性，进一步提高了本发明的使用效果。
Claims (4)
1.一种瘢痕测量方法，其特征在于：包括以下步骤：
S1、患者在皮肤上贴上设置有定位点的标签贴纸，然后使用手机对瘢痕位置以及标签贴纸进行拍照，生成图片，并将图片通过手机APP发送到APP后台；
S2、APP后台将图片生成整体三维模型；
S3、将整体三维模型中患者的正常皮肤与瘢痕疙瘩区域进行分割，得到瘢痕疙瘩三维模型；同时从整体三维模型中分离出正常皮肤模型、标尺模型；
S4、通过正常皮肤模型与瘢痕疙瘩三维模型进行对比得到瘢痕色差数据；通过标尺模型与图片中标签贴纸上的定位点距离进行对比得到标尺模型与现实尺寸的比例关系；通过瘢痕疙瘩三维模型测量得到瘢痕的模型测量数据并通过标尺模型与现实尺寸的比例关系得到瘢痕的现实测量数据。
2.如权利要求1所述的瘢痕测量方法，其特征在于：所述步骤S2中将图片生成整体三维模型包括以下步骤：
S21、对图片进行特征点提取；
S22、从k-dtree中查找邻居特征点；
S23、进行RANSAC图像匹配；
S24、构建云点数据；
S25、通过云点数据构建三角面、贴图；
S26、通过三角面、贴图输出整体三维模型。
3.如权利要求2所述的瘢痕测量方法，其特征在于：所述步骤S3中从整体三维模型得到瘢痕疙瘩三维模型包括以下步骤：
S31、对整体三维模型进行平铺三角面处理；
S32、对每个三角面进行分析，根据UV坐标提取纹理图像；
S33、通过色差分离正常皮肤与瘢痕疙瘩区域；
S34、将纹理图像转化为灰度图像；
S35、使用haar对灰度图像进行分解，求取特征向量并进行归一化处理；
S36、剔除其余纹理图像与三角面，生成瘢痕疙瘩三维模型。
4.如权利要求3所述的瘢痕测量方法，其特征在于：所述步骤S4中通过瘢痕疙瘩三维模型测量得到瘢痕的模型测量数据包括以下步骤：
S41、通过瘢痕疙瘩三维模型的法线计算出瘢痕疙瘩三维模型的整体朝向；
S42、将瘢痕疙瘩三维模型整体水平放置，并对瘢痕疙瘩三维模型的覆盖区域做射线检测，获得瘢痕疙瘩三维模型像素单位内的起伏数据，将起伏数据进行图像化，得到高程图；
S43、通过高程图获得瘢痕疙瘩三维模型的截面数据，对每段截面数据做两次线性拟合，使每段的截面数据相对水平，再计算截面数据中顶端曲线与最下面水平线之间的面积，累积每段截面数据中的面积，得到瘢痕疙瘩三维模型的体积；
S44、通过瘢痕疙瘩三维模型的截面数据获得瘢痕疙瘩三维模型的最大厚度；
S45、将瘢痕疙瘩三维模型整体水平放置，对其进行俯视投影，获得俯视多边形图像，该俯视多边形图像的周长即为瘢痕疙瘩三维模型的周长；
S46、求取俯视多边形图像的最小包围矩形，该最小包围矩形的长、宽即为瘢痕疙瘩三维模型的长度值、宽度值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011143824.6A CN112330799A (zh) | 2020-10-23 | 2020-10-23 | 一种瘢痕测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011143824.6A CN112330799A (zh) | 2020-10-23 | 2020-10-23 | 一种瘢痕测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112330799A true CN112330799A (zh) | 2021-02-05 |
Family
ID=74310636
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011143824.6A Pending CN112330799A (zh) | 2020-10-23 | 2020-10-23 | 一种瘢痕测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112330799A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894212A (zh) * | 2010-07-05 | 2010-11-24 | 上海交通大学医学院 | 一种对皮肤创面综合检测的方法 |
| KR20130143405A (ko) * | 2012-06-21 | 2013-12-31 | 안양대학교 산학협력단 | 깊이 정보 기반 사람의 피부 영역 검출 방법 |
| CN205903256U (zh) * | 2015-12-15 | 2017-01-25 | 深圳贝申医疗技术有限公司 | 一种用于获取人类皮肤病变区域准确信息的实用比色尺 |
| CN106821495A (zh) * | 2017-02-07 | 2017-06-13 | 镇江金海创科技有限公司 | 智能型点阵激光控制系统及其美容治疗方法 |
| CN108154503A (zh) * | 2017-12-13 | 2018-06-12 | 西安交通大学医学院第附属医院 | 一种基于图像处理的白癜风病情诊断系统 |
| RU2709519C1 (ru) * | 2019-09-03 | 2019-12-18 | Государственное бюджетное учреждение здравоохранения Московской области "Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского" (ГБУЗ МО МОНИКИ им. М.Ф. Владимирского) | Способ прогнозирования формирования келоидного рубца |
-
2020
- 2020-10-23 CN CN202011143824.6A patent/CN112330799A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101894212A (zh) * | 2010-07-05 | 2010-11-24 | 上海交通大学医学院 | 一种对皮肤创面综合检测的方法 |
| KR20130143405A (ko) * | 2012-06-21 | 2013-12-31 | 안양대학교 산학협력단 | 깊이 정보 기반 사람의 피부 영역 검출 방법 |
| CN205903256U (zh) * | 2015-12-15 | 2017-01-25 | 深圳贝申医疗技术有限公司 | 一种用于获取人类皮肤病变区域准确信息的实用比色尺 |
| CN106821495A (zh) * | 2017-02-07 | 2017-06-13 | 镇江金海创科技有限公司 | 智能型点阵激光控制系统及其美容治疗方法 |
| CN108154503A (zh) * | 2017-12-13 | 2018-06-12 | 西安交通大学医学院第附属医院 | 一种基于图像处理的白癜风病情诊断系统 |
| RU2709519C1 (ru) * | 2019-09-03 | 2019-12-18 | Государственное бюджетное учреждение здравоохранения Московской области "Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского" (ГБУЗ МО МОНИКИ им. М.Ф. Владимирского) | Способ прогнозирования формирования келоидного рубца |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8842906B2 (en) | Body measurement | |
| US20210174505A1 (en) | Method and system for imaging and analysis of anatomical features | |
| US20170178327A1 (en) | Detecting tooth wear using intra-oral 3d scans | |
| KR101381033B1 (ko) | 스펙트럼 영상 데이터를 이용하여 3ｄ ｒｇｂ 모델을 생성하는 피부 관리 분석 시스템 | |
| US20180184947A1 (en) | Integrated Goniometry System and Method for Use of Same | |
| EP3981012A1 (en) | Systems and methods to process images for skin analysis and to visualize skin analysis | |
| WO2018107872A1 (zh) | 一种体型预测方法及设备 | |
| JP2011506022A (ja) | 画像処理 | |
| US20130188878A1 (en) | Image analysis systems having image sharpening capabilities and methods using same | |
| CN111012353A (zh) | 一种基于人脸关键点识别的身高检测方法 | |
| US11771327B2 (en) | System and method for human motion detection and tracking | |
| CN102982227A (zh) | 用于血管血流模式分析的方法 | |
| US20220207771A1 (en) | Heart Position Estimation | |
| CN111588353A (zh) | 一种体温测量方法 | |
| Reyes et al. | Automatic digital biometry analysis based on depth maps | |
| CN109493334A (zh) | 测量脊柱弯曲的方法及装置 | |
| Seo et al. | SVM-based waist circumference estimation using Kinect | |
| KR102389067B1 (ko) | 척추 측만증 평가 방법 및 이를 이용한 척추 측만증 평가용 디바이스 | |
| Palmer et al. | Cliniface: Phenotypic visualisation and analysis using non-rigid registration of 3D facial images | |
| CN116130090A (zh) | 射血分数测量方法和装置、电子设备和存储介质 | |
| CN111448589B (zh) | 用于检测患者的身体移动的设备、系统和方法 | |
| CN109064511B (zh) | 一种人体重心高度测量方法、装置及相关设备 | |
| CN114569114A (zh) | 一种身高测量方法及装置 | |
| Dunn et al. | Application of video frame interpolation to markerless, single-camera gait analysis | |
| CN111275754B (zh) | 一种基于深度学习的脸部痘印比例计算方法 |
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 |