CN112446868A - 血管瘤瘤体颜色量化评估系统及评估方法 - Google Patents

血管瘤瘤体颜色量化评估系统及评估方法 Download PDF

Info

Publication number
CN112446868A
CN112446868A CN202011338568.6A CN202011338568A CN112446868A CN 112446868 A CN112446868 A CN 112446868A CN 202011338568 A CN202011338568 A CN 202011338568A CN 112446868 A CN112446868 A CN 112446868A
Authority
CN
China
Prior art keywords
image
rgb
tumor
paraneoplastic
hemangioma
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
Application number
CN202011338568.6A
Other languages
English (en)
Inventor
刘潜
谢明峰
徐仙贇
刘海金
黄海金
陈枫
李林福
曾林山
曾勇
阎金龙
彭威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gannan Medical University
Original Assignee
Gannan Medical University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Gannan Medical University filed Critical Gannan Medical University
Priority to CN202011338568.6A priority Critical patent/CN112446868A/zh
Publication of CN112446868A publication Critical patent/CN112446868A/zh
Priority to US17/906,748 priority patent/US20230147076A1/en
Priority to PCT/CN2021/126742 priority patent/WO2022111195A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/1032—Determining colour for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/62—Control of parameters via user interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/04—Babies, e.g. for SIDS detection
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10064—Fluorescence image
    • 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
    • G06T2207/30096—Tumor; Lesion
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明公开了一种血管瘤量化评估系统及评估方法，该评估系统包括图像采集模块、图像分析模块、结果评价模块和显示模块；所述图像采集模块包含光源设备、成像设备、存储设备；所述图像分析模块包括数字信号处理器和数字分析软件；所述数字信号处理器将所述血管瘤图像像素点划分为瘤体图像和瘤旁图像；所述数字分析软件计算瘤体图像和瘤旁图像的rgb综合值；所述结果评价模块包含疗效评价系数；所述疗效评价系数＝瘤体rgb综合值‑瘤旁rgb综合值。本发明提供的血管瘤瘤体颜色量化评估系统和评估方法通过客观量化瘤体颜色的深浅程度，较准确反映患儿病情，指导医生治疗等优点。

Description

血管瘤瘤体颜色量化评估系统及评估方法
技术领域
本发明涉及医疗技术领域，具体地涉及一种血管瘤瘤体颜色量化评估系统及评估方法。
背景技术
婴幼儿型血管瘤(Infantile Hemangioma，IH)为婴幼儿群体中最常见的一种良性肿瘤，由婴幼儿软组织发展而来，由于胚胎时期血管发育及形成调控异常所导致的血管稳态失衡性血管肿瘤。发病率为4％～10％，在早产儿、低体重儿(出生体重<1000g的婴儿)中发病率更高。好发于颜面、四肢等体表部位，严重影响患者容貌、视力和心理健康；而发生在呼吸道、颅内等部位的IH可致呼吸道阻塞、颅内出血等危急症状，甚至引起死亡，是严重危害小儿身心健康最常见疾病之一。从生物学角度，典型IH分成三期：增殖期、平台期、消退期，自然病程：出生后1-2周出现病灶，6月内以内快速增生，随后逐渐停止生长，并进入自发缓慢的消褪期，这一过程可持续数年。在血管瘤增殖阶段，根据IH瘤体浸润程度可分为浅表型、深部型和混合型。浅表型婴幼儿型血管瘤依据其形态常被称为“草莓状血管瘤”，呈鲜红色包块，表面有不规则突起，四周由正常皮肤组织所包绕。患儿经口服普萘洛尔治疗后，病情逐渐缓解。这过程表现为：瘤体直径减小，凸起程度减小，局部皮温改变，瘤体颜色变化，瘤体腔内血流减少等。
目前对婴幼儿型血管瘤的疗效的评价方法有：Achauer百分位数四分法、视觉模拟评分法、婴幼儿型血管瘤活动度评分法，影像学辅助法(超声、CT、MRI)，皮温法，体液、生化指标测定法，然而却没有一种准确、有效且客观的评价方法。婴幼儿型血管瘤瘤体颜色可间接反映其增生与消退的情况，从而成为评估患儿病情的重要指标。而目前针对患儿瘤体颜色评估，常用的是带有一定主观色彩的临床医师目测评估，这对客观、准确评估瘤体颜色，反映患儿病情造成极大的困扰。
发明内容
本发明的目的是为了克服现有技术存在的血管瘤评估不准确、不方便的问题，提供一种血管瘤量化评估系统及评估方法，该评估系统具有精确度高、方便实用、易于推广的优点。
为了实现上述目的，本发明提供一种血管瘤瘤体颜色量化评估系统，该评估系统包括图像采图像采集模块、图像分析模块、结果评价模块和显示模块；
所述图像采集模块包含光源设备、成像设备、存储设备；通过成像设备采集血管瘤图像，再将血管瘤图像储存于存储设备中；
所述图像分析模块包括数字信号处理器和数字分析软件；所述数字信号处理器将所述血管瘤图像像素点划分为瘤体图像(31)和瘤旁图像(32)；所述数字分析软件计算瘤体图像(31)和瘤旁图像(32)的rgb综合值，结果分别记为瘤体rgb综合值、瘤旁rgb综合值；
所述结果评价模块包含疗效评价系数；所述疗效评价系数＝瘤体rgb综合值-瘤旁rgb综合值；
所示显示模块包含显示屏，用于显示图像和数值。
优选地，所述光源设备包含光源箱和遮光罩；所述光源箱中包含红外滤光片。
优选地，所述成像设备与成像对象的距离固定，优选为1米。
优选地，所述数字信号处理器对血管瘤图像的像素点分类，区分为红色区域和正常区域，红色区域为瘤体图像，以瘤体最大径为直径，直径中点为原点，做平面直角坐标系，在坐标系四个方向距离瘤体边缘外侧1cm±0.5mm，四个面积为1cm2±0.5cm2的正常区域为瘤旁图像；所述瘤旁图像分为四个区域，分别为瘤旁Ⅰ、瘤旁Ⅱ、瘤旁Ⅲ、瘤旁Ⅳ。
优选地，所述数字分析软件将瘤体图像和瘤旁图像转化输出为红、绿、篮颜色值及rgb值，分别记为R、G、B，rgb综合值；瘤体图像rgb综合值记为瘤体rgb综合值；瘤旁图像的四个区域瘤旁Ⅰ、瘤旁Ⅱ、瘤旁Ⅲ、瘤旁Ⅳ的rgb综合值求平均值后记为瘤旁rgb综合值。
根据本发明的第二方面，本发明提供一种血管瘤瘤体颜色量化评估方法，所述血管瘤瘤体颜色量化评估方法在本发明所述的血管瘤瘤体颜色量化评估系统中进行，所述评估方法包括以下步骤：
S1、打开光源设备和成像设备，进行系统稳定性校准过程，直至系统稳定性达标；
S2、成像设备拍摄血管瘤图像，并将血管瘤图像储存到存储设备中；
S3、数字信号处理器将血管瘤图像划分为瘤体图像(31)和瘤旁图像(32)；
S4、数字分析软件计算瘤体图像(31)和瘤旁图像(32)的rgb综合值，结果分别记为瘤体rgb综合值、瘤旁rgb综合值；
S5、计算疗效评价系数，所述疗效评价系数＝瘤体rgb综合值-瘤旁rgb综合值；
S6、显示屏显示血管瘤图像、瘤体图像(31)、瘤旁图像(32)、瘤体rgb综合值、瘤旁rgb综合值和疗效评价系数。
优选地，步骤S1中，所述系统稳定性校准过程包括以下步骤：
a、将均匀的白色漫反射板放在测量区域，通过调节相机或光源箱的光阑大小，使得所拍摄图像的RGB值中有一分量达255；
b、将一灰色标准板放在测量区域，通过调整相机参数使输出的成像图像RGB三分量依次为122，122，121；
c、将一黑色标准板放在测量区域和/或盖上镜头盖，通过调整相机参数使输出的成像图像RGB三分量均为0；
d、将一白色标准板放到测量区域，通过调整相机参数使输出的成像图像RGB值均为255。
优选地，步骤S3中，所述瘤旁图像的划分步骤包括：1)选取所述瘤体图像的中心为原点，并利用第一象限轴、第二象限轴、第三象限轴和第四象限轴将所述瘤体图像均分为四个象限；
2)在每个象限轴上距离所述瘤体图像外侧1±0.5cm处选取面积为1±0.5cm2的图像为瘤旁图像。
优选地，所述瘤旁图像分为四个区域，分别为瘤旁Ⅰ、瘤旁Ⅱ、瘤旁Ⅲ、瘤旁Ⅳ。
优选地，步骤S3中，所述瘤旁rgb综合值为瘤旁图像的四个区域瘤旁Ⅰ、瘤旁Ⅱ、瘤旁Ⅲ、瘤旁Ⅳ的rgb综合值的平均值。
本发明提供的血管瘤量化评估系统和方法相比于现有技术的目测测量更加准确有效，且方便实用，推广价值极高。
本发明提供的血管瘤瘤体颜色量化评估系统和评估方法通过客观量化瘤体颜色的深浅程度，较准确反映患儿病情，指导医生治疗等优点。
附图说明
图1为根据本发明的一种优选实施方式提供的图像分析模块划分瘤旁图像象限轴示意图；
图2为根据本发明的一种优选实施方式提供的图像分析模块划分出的瘤旁图像示意图；
图3为根据本发明的一种优选实施方式提供的图像分析模块划分出的瘤体图像；
图4为本发明血管瘤量化评估系统结构示意图；
图5为本发明血管瘤量化评估方法示意图。
附图标记说明
31——瘤体
311——第一象限轴
312——第二象限轴
313——第三象限轴
314——第四象限轴
32——瘤旁
321——瘤旁Ⅰ
322——瘤旁Ⅱ
323——瘤旁Ⅲ
324——瘤旁Ⅳ
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
如前述，本发明提供一种血管瘤瘤体颜色量化评估系统，该评估系统包括图像采图像采集模块、图像分析模块、结果评价模块和显示模块；所述图像采集模块包含光源设备、成像设备、存储设备；通过成像设备采集血管瘤图像，再将血管瘤图像储存于存储设备中；所述图像分析模块包括数字信号处理器和数字分析软件；所述数字信号处理器将所述所述血管瘤图像像素点划分为瘤体图像31和瘤旁图像32；所述数字分析软件计算瘤体图像31和瘤旁图像32的rgb综合值，结果分别记为瘤体rgb综合值、瘤旁rgb综合值；所述结果评价模块包含疗效评价系数；所述疗效评价系数＝瘤体rgb综合值-瘤旁rgb综合值；所示显示模块包含显示屏，用于显示图像和数值。采用本发明的前述方案，通过客观量化瘤体颜色的深浅程度，较准确反映患儿病情，指导医生治疗等优点。
参阅图1-图3所示，本发明提供一种血管瘤瘤体颜色量化评估系统，该评估系统包括图像采图像采集模块、图像分析模块、结果评价模块和显示模块；
根据本发明，所述图像采集模块包含光源设备、成像设备、存储设备；通过成像设备采集血管瘤图像，再将血管瘤图像储存于存储设备中；
在本发明的一种优选实施方式中，所述光源设备采用P120光源箱和PHILIPS-TLD-36W/865条形三基色荧光灯管(光源灯头型号为G13，显色指数85，色温6500K的光)，该光源可供全光谱光源，确保光线的空间均匀性，从而将光线均匀地投射到待拍摄的瘤体部位。
在本发明的一种优选实施方式中，所述成像设备采用Olympus数码相机(型号：D33235，总像素可达1000万，有效像素930万，使用M.Zuiko专业镜头，传感器为17.4mm*13.0mm大小的CCD)。
根据本发明，所述存储设备为网络云盘、半导体存储器、磁表面存储器、光表面存储器中的任意一种或多种。
在本发明的一种优选实施方式中，所述光源设备包含光源箱和遮光罩，屏蔽外界光线，这可以消除环境光线对测量系统的影响。
在本发明的一种优选实施方式中，所述光源箱中包含红外滤光片这可有效降低输出光的温度，从而减小灯光的自热温度对皮肤颜色的影响，保证所采集图像能准确反映患儿病情。
在本发明的一种优选实施方案中，所述成像设备与成像对象的距离固定为1米，从而保证能对成像对象清楚成像。
在本发明的一种优选实施方案中，将成像设备安置在一个可调节方向的支架上，使得成像设备更加方便使用。
根据本发明，所述图像分析模块包括数字信号处理器和数字分析软件；
根据本发明的一种优选实施方式，所述数字信号处理器和数字分析软件为ImageJ和/或Photoshop。
所述数字信号处理器将所述所述血管瘤图像像素点划分为瘤体图像31和瘤旁图像32；所述数字分析软件计算瘤体图像31和瘤旁图像32的rgb综合值，结果分别记为瘤体rgb综合值、瘤旁rgb综合值。
在本发明的一种优选实施方案中，所述数字信号处理器对血管瘤图像的像素点分类，区分为红色区域和正常区域，红色区域为瘤体图像31，以瘤体最大径为直径，直径中点为原点，做平面直角坐标系，在坐标系四个方向距离瘤体边缘外侧1cm，四个面积为1cm2的正常区域为瘤旁图像32；所述瘤旁图像32分为四个区域，分别为瘤旁Ⅰ321、瘤旁Ⅱ322、瘤旁Ⅲ323、瘤旁Ⅳ324。
在本发明的一种优选实施方案中，所述数字分析软件将瘤体图像31和瘤旁图像32转化输出为红、绿、篮颜色值及rgb值，分别记为R、G、B，rgb综合值；瘤体图像31rgb综合值记为瘤体rgb综合值；瘤旁图像32的四个区域瘤旁Ⅰ321、瘤旁Ⅱ322、瘤旁Ⅲ323、瘤旁Ⅳ324的rgb综合值求平均值后记为瘤旁rgb综合值，取四个瘤旁区域的平均rgb综合值作为瘤旁rgb综合值，降低系统误差。
根据本发明，所述结果评价模块包含疗效评价系数；所述疗效评价系数＝瘤体rgb综合值-瘤旁rgb综合值；通过疗效评价系数降低患儿个体皮肤颜色差异对结果的影响，更准确反映患儿治疗疗效。
所示显示模块包含显示屏，用于显示图像和数值，所述显示屏可以为液晶显示屏。
参阅图4所示，本发明的另一方面，提供一种血管瘤瘤体颜色量化评估方法，该评估方法所述的血管瘤量化评估系统中进行，所述评估方法包括以下步骤：
S1、打开光源设备和成像设备，进行系统稳定性校准过程，直至系统稳定性达标；
S2、成像设备拍摄血管瘤图像，并将血管瘤图像储存到存储设备中；
S3、数字信号处理器将血管瘤图像划分为瘤体图像31和瘤旁图像32；
S4、数字分析软件计算瘤体图像31和瘤旁图像32的rgb综合值，结果分别记为瘤体rgb综合值、瘤旁rgb综合值；
S5、计算疗效评价系数，所述疗效评价系数＝瘤体rgb综合值-瘤旁rgb综合值；
S6、显示屏显示血管瘤图像、瘤体图像31、瘤旁图像32、瘤体rgb综合值、瘤旁rgb综合值和疗效评价系数，供医生参考、评估，指导治疗。
在本发明的一种优选实施方案中，测量系统的稳定性对于高质量图像的获取至关重要，测量系统的稳定性受光源光线输出不稳定、光线空间不均匀、CCD光谱响应特性的变化、光电转化器件的噪声等因素的影响。为确保测量系统的稳定性，所述系统稳定性校准过程包括以下步骤：
a、将均匀的白色漫反射板放在测量区域，通过调节相机或光源箱的光阑大小，使得所拍摄图像的RGB值中有一分量达255；
b、将一灰色标准板放在测量区域，通过调整相机参数使输出的成像图像RGB三分量依次为122，122，121；
c、将一黑色标准板放在测量区域和/或盖上镜头盖，通过调整相机参数使输出的成像图像RGB三分量均为0；
d、将一白色标准板放到测量区域，通过调整相机参数使输出的成像图像RGB值均为255。
在本发明的一种优选实施方案中，所述步骤S3中，所述瘤旁图像32的划分步骤包括：
1)选取所述瘤体图像31的中心为原点，并利用第一象限轴311、第二象限轴312、第三象限轴313和第四象限轴314将所述瘤体图像均分为四个象限；
2)在每个象限轴上距离所述瘤体图像31外侧1cm处选取面积为1cm2的图像为瘤旁图像32。
在本发明的一种优选实施方案中，所述瘤旁图像32分为四个区域，分别为瘤旁Ⅰ321、瘤旁Ⅱ322、瘤旁Ⅲ323、瘤旁Ⅳ324。
在本发明的一种优选实施方案中，所述步骤S3中，所述瘤旁rgb综合值为瘤旁图像32的四个区域瘤旁Ⅰ321、瘤旁Ⅱ322、瘤旁Ⅲ323、瘤旁Ⅳ324的rgb综合值的平均值，降低系统误差。
实施例
S1、安装血管瘤瘤体颜色量化评估系统：P120光源箱和PHILIPS-TLD-36W/865条形三基色荧光灯管(光源灯头型号为G13，显色指数85，色温6500K的光)，Olympus数码相机(型号：D33235，总像素可达1000万，有效像素930万，使用M.Zuiko专业镜头，传感器为17.4mm*13.0mm大小的CCD)，成像设备与成像对象的距离固定为1米，连接网络云盘和计算机系统，打开数字信号处理器Image J和数字分析软件Photoshop。
S2、进行系统稳定性校准：
a、将均匀的白色漫反射板放在测量区域，通过调节相机或光源箱的光阑大小，使得所拍摄图像的RGB值中有一分量达255；
b、将一灰色标准板放在测量区域，通过调整相机参数使输出的成像图像RGB三分量依次为122，122，121；
c、将一黑色标准板放在测量区域，通过调整相机参数使输出的成像图像RGB三分量均为0；
d、将一白色标准板放到测量区域，通过调整相机参数使输出的成像图像RGB值均为255。
S3、通过血管瘤瘤体颜色量化评估系统为血管瘤患者进行拍摄，分析，得到瘤体rgb综合值、瘤旁rgb综合值和疗效评价系数。
本研究中，共有218例浅表型婴幼儿型血管瘤患者参与，其中有6例患儿中途自行退出，5例因随访次数过少(少于4次)剔除，不再纳入本次研究，最后共计207例纳入本研究，本次研究临床资料参见表1，病人一般资料。
表1病人一般资料
类别
年龄/月 3.48±1.96
男 68
女 139
平均首诊月龄/月 3.48±1.96
平均治疗时间/月 3.52±1.82
瘤体部位：头颈 61
瘤体部位：四肢 63
瘤体部位：躯体 75
瘤体部位：会阴 8
采用本发明提供的血管瘤瘤体颜色量化评估系统，并采用本发明的评估方案对患者的瘤体进行量化评估，测量结果见表2。
表2治疗前后患儿瘤体rgb综合值、瘤旁rgb综合值、疗效评价系数
治疗时间段 治疗0月 治疗1月 治疗2月 治疗结束
瘤体rgb综合值 90.14±29.35 103.40±31.77 112.68±31.98 131.42±33.93
瘤旁rgb综合值 146.93±39.57 143.66±35.92 141.07±34.22 144.93±36.40
疗效评价系数 -56.79±22.07 -40.21±14.94- -28.70±12.72 -13.17±6.44
表2结果进行方差分析，其中F＝438.847,p<0.01，方差结果表明患儿各治疗时间疗效评价系数之间存在显著差异。本发明血管瘤瘤体颜色量化评估系统可客观地分析患者瘤体颜色、提示患者病情；临床医生对患儿瘤体按照生长状态分组，分析发现患儿增殖期与平台期、增殖期与消退期、平台期与消退期疗效评价系数有显著差异。
以上结合附图和实施例详细描述了本发明的优选实施方式，但是，本发明并不限于此。在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，包括各个具体技术特征以任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。但这些简单变型和组合同样应当视为本发明所公开的内容，均属于本发明的保护范围。

Claims (10)

1.一种血管瘤瘤体颜色量化评估系统，其特征在于，所述评估系统包括图像采集模块、图像分析模块、结果评价模块和显示模块；
所述图像采集模块包含光源设备、成像设备、存储设备；通过成像设备采集血管瘤图像，再将血管瘤图像储存于存储设备中；
所述图像分析模块包括数字信号处理器和数字分析软件；所述数字信号处理器将所述血管瘤图像像素点划分为瘤体图像(31)和瘤旁图像(32)；所述数字分析软件计算瘤体图像(31)和瘤旁图像(32)的rgb综合值，结果分别记为瘤体rgb综合值、瘤旁rgb综合值；
所述结果评价模块包含疗效评价系数；所述疗效评价系数＝瘤体rgb综合值-瘤旁rgb综合值；
所示显示模块包含显示屏，用于显示图像和数值。
2.根据权利要求1所述的评估系统，其中，所述光源设备包含光源箱和遮光罩；所述光源箱中包含红外滤光片。
3.根据权利要求1所述的评估系统，其中，所述成像设备与成像对象的距离固定。
4.根据权利要求1所述的评估系统，其中，所述数字信号处理器对血管瘤图像的像素点分类，区分为红色区域和正常区域，红色区域为瘤体图像(31)，以瘤体最大径为直径，直径中点为原点，做平面直角坐标系，在坐标系四个方向距离瘤体边缘外侧1cm±0.5mm，四个面积为1cm2±0.5cm2的正常区域为瘤旁图像(32)；所述瘤旁图像(32)分为四个区域，分别为瘤旁Ⅰ(321)、瘤旁Ⅱ(322)、瘤旁Ⅲ(323)、瘤旁Ⅳ(324)。
5.根据权利要求4所述的评估系统，其中，所述数字分析软件将瘤体图像(31)和瘤旁图像(32)转化输出为红、绿、篮颜色值及rgb值，分别记为R、G、B，rgb综合值；瘤体图像(31)rgb综合值记为瘤体rgb综合值；瘤旁图像(32)的四个区域瘤旁Ⅰ(321)、瘤旁Ⅱ(322)、瘤旁Ⅲ(323)、瘤旁Ⅳ(324)的rgb综合值求平均值后记为瘤旁rgb综合值。
6.一种血管瘤瘤体颜色量化评估方法，其特征在于，所述血管瘤瘤体颜色量化评估方法在权利要求1-5中任意一项所述的血管瘤瘤体颜色量化评估系统中进行，所述评估方法包括以下步骤：
S1、打开光源设备和成像设备，进行系统稳定性校准过程，直至系统稳定性达标；
S2、成像设备拍摄血管瘤图像，并将血管瘤图像储存到存储设备中；
S3、数字信号处理器将血管瘤图像划分为瘤体图像(31)和瘤旁图像(32)；
S4、数字分析软件计算瘤体图像(31)和瘤旁图像(32)的rgb综合值，结果分别记为瘤体rgb综合值、瘤旁rgb综合值；
S5、计算疗效评价系数，所述疗效评价系数＝瘤体rgb综合值-瘤旁rgb综合值；
S6、显示屏显示血管瘤图像、瘤体图像(31)、瘤旁图像(32)、瘤体rgb综合值、瘤旁rgb综合值和疗效评价系数。
7.根据权利要求6所述的评估方法，其中，步骤S1中，所述系统稳定性校准过程包括以下步骤：
a、将均匀的白色漫反射板放在测量区域，通过调节相机或光源箱的光阑大小，使得所拍摄图像的RGB值中有一分量达255；
b、将一灰色标准板放在测量区域，通过调整相机参数使输出的成像图像RGB三分量依次为122，122，121；
c、将一黑色标准板放在测量区域和/或盖上镜头盖，通过调整相机参数使输出的成像图像RGB三分量均为0；
d、将一白色标准板放到测量区域，通过调整相机参数使输出的成像图像RGB值均为255。
8.根据权利要求6或7所述的评估方法，其中，步骤S3中，所述瘤旁图像(32)的划分步骤包括：
1)选取所述瘤体图像(31)的中心为原点，并利用第一象限轴(311)、第二象限轴(312)、第三象限轴(313)和第四象限轴(314)将所述瘤体图像均分为四个象限；
2)在每个象限轴上距离所述瘤体图像(31)外侧1±0.5cm处选取面积为1±0.5cm2的图像为瘤旁图像(32)。
9.根据权利要求8所述的评估方法，其中，所述瘤旁图像(32)分为四个区域，分别为瘤旁Ⅰ(321)、瘤旁Ⅱ(322)、瘤旁Ⅲ(323)、瘤旁Ⅳ(324)。
10.根据权利要求6所述的方法，其中，步骤S3中，所述瘤旁rgb综合值为瘤旁图像(32)的四个区域瘤旁Ⅰ(321)、瘤旁Ⅱ(322)、瘤旁Ⅲ(323)、瘤旁Ⅳ(324)的rgb综合值的平均值。
CN202011338568.6A 2020-11-25 2020-11-25 血管瘤瘤体颜色量化评估系统及评估方法 Pending CN112446868A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011338568.6A CN112446868A (zh) 2020-11-25 2020-11-25 血管瘤瘤体颜色量化评估系统及评估方法
US17/906,748 US20230147076A1 (en) 2020-11-25 2021-10-27 Quantitative evaluation system and evaluation method for color of hemangioma
PCT/CN2021/126742 WO2022111195A1 (zh) 2020-11-25 2021-10-27 血管瘤瘤体颜色量化评估系统及评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011338568.6A CN112446868A (zh) 2020-11-25 2020-11-25 血管瘤瘤体颜色量化评估系统及评估方法

Publications (1)

Publication Number Publication Date
CN112446868A true CN112446868A (zh) 2021-03-05

Family

ID=74737644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011338568.6A Pending CN112446868A (zh) 2020-11-25 2020-11-25 血管瘤瘤体颜色量化评估系统及评估方法

Country Status (3)

Country Link
US (1) US20230147076A1 (zh)
CN (1) CN112446868A (zh)
WO (1) WO2022111195A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022111195A1 (zh) * 2020-11-25 2022-06-02 赣南医学院 血管瘤瘤体颜色量化评估系统及评估方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004025556A2 (en) * 2002-09-12 2004-03-25 Baylor College Of Medecine System and method for image segmentation
US20130226008A1 (en) * 2012-02-21 2013-08-29 Massachusetts Eye & Ear Infirmary Calculating Conjunctival Redness
WO2019155345A1 (en) * 2018-02-09 2019-08-15 Kaunas University Of Technology Complex analysis system of spectrophotometry and ultrasound images and data for automatic early-stage diagnosing of malignant skin tumors

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120157800A1 (en) * 2010-12-17 2012-06-21 Tschen Jaime A Dermatology imaging device and method
CN108921179B (zh) * 2018-06-22 2022-03-18 电子科技大学 一种婴幼儿血管瘤病变区颜色的自动提取与量化方法
CN112446868A (zh) * 2020-11-25 2021-03-05 赣南医学院 血管瘤瘤体颜色量化评估系统及评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004025556A2 (en) * 2002-09-12 2004-03-25 Baylor College Of Medecine System and method for image segmentation
US20130226008A1 (en) * 2012-02-21 2013-08-29 Massachusetts Eye & Ear Infirmary Calculating Conjunctival Redness
WO2019155345A1 (en) * 2018-02-09 2019-08-15 Kaunas University Of Technology Complex analysis system of spectrophotometry and ultrasound images and data for automatic early-stage diagnosing of malignant skin tumors

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
薛岚燕;刘杜鹃;陈艺慧;: "基于Canny边缘检测和外观特征的微血管瘤检测方法", 现代电子技术 *
谢明峰等: "数码测色器在浅表型婴幼儿血管瘤治疗疗效评估中的初步应用", 《赣南医学院学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022111195A1 (zh) * 2020-11-25 2022-06-02 赣南医学院 血管瘤瘤体颜色量化评估系统及评估方法

Also Published As

Publication number Publication date
US20230147076A1 (en) 2023-05-11
WO2022111195A1 (zh) 2022-06-02

Similar Documents

Publication Publication Date Title
US8467583B2 (en) Medical imaging method and system
Hillman Experimental and theoretical investigations of near infrared tomographic imaging methods and clinical applications.
Grewal et al. Correlation of nuclear cataract lens density using Scheimpflug images with Lens Opacities Classification System III and visual function
US4428382A (en) Method for identifying the presence of abnormal tissue
EP1719448B1 (en) Method of measuring superficial chemical species and apparatus for measuring the same
Langner et al. 7.1 T MRI to assess the anterior segment of the eye
Jung et al. Active blood detection in a high resolution capsule endoscopy using color spectrum transformation
WO2015127434A1 (en) Probes and pressure modulation algorithms for reducing extratissue contamination in hemodynamic measurement
Akbarali et al. Imaging‐Based uveitis surveillance in juvenile idiopathic arthritis: feasibility, acceptability, and diagnostic performance
CN112446868A (zh) 血管瘤瘤体颜色量化评估系统及评估方法
Hintz et al. Stationary headband for clinical time‐of‐flight optical imaging at the bedside
CN112259240A (zh) 一种舌诊寒热虚实数学模型
KR101419257B1 (ko) 특정 파장 대역의 광원을 이용한 혀 영상 획득장치
Sufian et al. Chromatic techniques for in vivo monitoring jaundice in neonate tissues
Seo et al. Reliable facial color analysis using a digital camera and its relationship with pathological patterns: A pilot study
Findl et al. Removal of reflections in the photographic assessment of PCO by fusion of digital retroillumination images
US6801316B2 (en) Measurement of an analyte concentration in a scattering medium
CN112022108A (zh) 一种黄疸检测装置及辅助决策系统
CN113038868A (zh) 医疗图像处理系统
CN102670176B (zh) 口腔光学诊断装置及其操作方法
Hampel et al. Optical measurement of nasal swellings
AU2020201469A1 (en) An apparatus and method for the assessment of skin injuries
Ishikawa et al. Development of a novel noninvasive system for measurement and imaging of the arterial phase oxygen density ratio in the retinal microcirculation
CN115731205B (zh) 内窥镜的图像处理装置、方法、电子设备及存储介质
RU2347524C1 (ru) Способ диагностики патологии челюстно-лицевой области

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

Application publication date: 20210305