CN116012379A - 一种基于黑色素体积含量分布形态的白斑分级方法 - Google Patents
一种基于黑色素体积含量分布形态的白斑分级方法 Download PDFInfo
- Publication number
- CN116012379A CN116012379A CN202310300831.XA CN202310300831A CN116012379A CN 116012379 A CN116012379 A CN 116012379A CN 202310300831 A CN202310300831 A CN 202310300831A CN 116012379 A CN116012379 A CN 116012379A
- Authority
- CN
- China
- Prior art keywords
- melanin
- skin
- white spot
- content
- white
- 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
-
- 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
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于图像分析及处理领域具体涉及一种基于黑色素体积含量分布形态的白斑分级方法。所述方法包括如下步骤：采集目标区域皮肤的高光谱图像并利用算法，数据进行配色后以图像呈现，皮肤白斑区域呈现出“盆地”状，总体上分为三个区域：白斑区域、过渡区域和盆底区域；跨白斑区域画一条直线，直线穿过白斑中心区域，直线两端两边基本对称；提取直线上各像素的黑色素含量，形成一个“盆地”截面对应的黑色素含量变化曲线；基于黑色素“盆地”截面特征将白斑的黑色素脱失情况分为四级：即轻微脱失、中度脱失、重度脱失和完全脱失。本发明实现了基于皮肤高光谱图像的白斑黑色素含量的分布形态特征分析和可视化显示。
Description
技术领域
本发明属于图像分析及处理领域，具体的说，涉及一种基于黑色素体积含量分布形态的白斑分级方法。
背景技术
目前，在皮肤成分无创定量检测领域主要存在以下手段，1）传统图像处理方法。主要用于表面特征的提取，无法获得内在的、定量的皮肤成分数据。2）利用多光谱仪器发射出三种波长的光照射在皮肤表面，接收器测得皮肤反射的光，根据皮肤吸收的光的量，从而测出皮肤黑色度和血红素的含量。多光谱信息量有限，不能分离出具有独立光学性质的皮肤成分信息，难以准确定量。3）依靠测量皮肤表面的介电常数来大致推测出水分的含量。检测的是相关量，其指标是一种指数，并非真正的物理量。4）在体反射式共聚焦显微镜，采用830nm 的激光，基于光学共聚焦原理，通过黑色素的高折光性，对黑色素进行细胞级的观察。局限于定性观察，且靶面积比较小，无法进行定量的黑色素分布形态的特征分析。5）皮肤光谱检测系统。此种方式是利用光谱进行某波段的直观比较观察，没有形成信息处理模型。
利用皮肤高光谱图像来计算皮肤光吸收相关的生物学参数一直是申请人的重点研究领域，并已经进行了多项的专利申请，包括：申请号201610181986 .6、“一种人皮肤光谱的建模方法以及高拟合度的多个皮肤参数的数学建模方法”；申请号201610182873.8、“一种利用数学模型计算人皮肤光吸收相关的19个生物学参数的方法”等。特别是该方法首次实现了利用皮肤高光谱图像来计算皮肤光吸收相关的19个生物学参数，其中包含对皮肤表皮层中优黑素、褐黑素的体积含量的计算。
皮肤白斑影响美观，通常会引起关注并采取干预措施，需要对白斑的脱失情况进行分级。目前判断白斑进展情况主要的做法是肉眼观察或照片对比，但从皮肤机理上，白斑内在的成因是皮肤黑色素成分脱失，而我们肉眼或照片看到的是表面信息和混合信息，与黑色素真实的分布情况并不一致，局限于粗略定性的观察，无法准确判断黑色素的脱失程度。
因此，实现对代表皮肤白斑本质变化的黑色素含量的精确测量，为白斑分级提供了客观的指标，对辅助判断白斑黑色素脱失的程度具有重要的作用。
发明内容
本发明的目的，在于提供一种直观、精确的，对基于黑色素体积含量所得到的分布形态的白斑分级方法，为人工干预影响黑色素提供科学的认定和评估基础。
本发明的技术方案如下：
一种基于黑色素体积含量分布形态的白斑分级方法，其特征在于，所述方法包括如下步骤：
（1）采集目标区域皮肤的高光谱图像；
（2）利用皮肤高光谱仿真算法，提取并计算高光谱图像中每个像素的黑色素含量，得到目标区域黑色素含量的分布数据；
（3）将上述数据进行配色后以图像呈现，皮肤白斑区域呈现出“盆地”状，总体上分为三个区域：白斑区域、过渡区域和盆底区域；
（4）跨白斑区域画一条直线，直线穿过白斑中心区域，直线两端两边基本对称；提取直线上各像素的黑色素含量，形成一个“盆地”截面对应的黑色素含量变化曲线，称为黑色素“盆地”截面特征；
（5）基于黑色素“盆地”截面特征将白斑的黑色素脱失情况分为四级：即
轻微脱失、中度脱失、重度脱失和完全脱失。
进一步的，对于所述步骤（4）（5）中黑色素“盆地”截面特征图中非规则的截面特征，进一步进行多个截面分析、单边分析，并观察盆地图中白斑整体情况，综合判断进行分级。
进一步的，还包括将整个白斑的分级数据形成的皮肤白斑样本库用于训练皮肤黑色素白斑分级神经网络分类器的步骤，具体方法如下：
（1）建立皮肤白斑样本库，即通过定距的高光谱图像采集装置，采集一定数量的皮肤白斑的高光谱图像，并形成相应的黑色素含量分布图；
（2）白斑样本库分成：训练集和测试集；
（3）对训练集进行数据标注，即依据白斑分级方法，对训练集中的每一例白斑图像进行分级；
（4）基于训练集进行分类模型训练，基于测试集进行测试。
进一步的，所述步骤（2）中，每个像素黑色素体积含量，为皮肤高光谱仿真算法计算得到的该像素的优黑素及褐黑素的含量之和。
进一步的，所述步骤（3）的配色，按深红到深蓝渐变色的方式，即黑色素含量越高，越呈现深红色；反之则呈现深蓝色。
进一步的，所述皮肤白斑区域呈现出的 “盆地”状，即从形态上呈现四周高、中间低的特征；从颜色上，呈现出上部一种色系、底部一种色系，中间过渡区呈渐变色。
本发明的技术效果如下：
1、本发明基于黑色素体积含量分布形态的白斑分级方法，实现了基于皮肤高光谱图像的白斑黑色素含量的分布形态特征分析和可视化显示，并且进一步的对白斑进行分级，为人工干预影响黑色素提供科学的认定和评估基础。
2、本发明中对于黑色素分布形态的表达均是无创获得，即基于皮肤的高光谱图像，简便、直接、定量。
附图说明
图1是本发明目标区域皮肤中白斑的照片。
图2是提取并计算目标区域皮肤白斑中黑色素含量并进行配色后的图像化呈现，白斑区域呈“盆地”状。
图3是目标区域选取的截面及截面的黑色素体积含量变化曲线。
图4是目标区域选取的截面中依据黑色素脱失情况分级后所对应的的黑色素体积含量变化曲线对比图，从左往右依次为轻微脱失、中度脱失、重度脱失和完全脱失。
具体实施方式
下面结合附图，对本发明的技术方案做具体的阐述。
要说明的是，本发明中“含量”，均指体积含量。
图1-2是本发明中，对的目标区域基于黑色素体积含量的皮肤白斑盆地状呈现方法，所述方法包括如下步骤：
（1）采集目标区域皮肤的高光谱图像；
（2）利用皮肤高光谱仿真算法，提取并计算高光谱图像中每个像素的黑色素体积含量，得到目标区域黑色素体积含量的分布数据；
（3）将上述数据进行配色后以图像呈现，皮肤白斑区域呈现出“盆地”状。
本发明中，采集目标区域皮肤的高光谱图像并利用皮肤高光谱仿真算法得到目标区域黑色素体积含量的分布数据，其中的仿真算法，采用的即是申请号201610182873.8、“一种利用数学模型计算人皮肤光吸收相关的19个生物学参数的方法”。该方法首次实现了利用皮肤高光谱图像来计算皮肤光吸收相关的19个生物学参数，其中即对皮肤表皮层中优黑素、褐黑素的体积含量的计算。
本发明中的皮肤白斑区域呈现出“盆地”状，具有特定的含义。即通过对目标区域黑色素体积含量的分布数据采用一定的方式进行配色并以图像呈现后的形状，为了表达的方便，称之为“盆地”状。即从形态上呈现四周高、中间低的特征；从颜色上，呈现出上部一种色系、底部一种色系，中间过渡区呈渐变色，典型如图2所示。
在对皮肤白斑区域进行配色呈现出“盆地”状的基础上，本发明进一步进行如下步骤：
所述步骤（4）（5）的黑色素“盆地”截面特征图，对于非规则的截面特征，可进行多个截面分析、单边分析，并观察盆地图中白斑整体情况，综合判断进行分级。
进一步的，还包括将整个白斑的分级数据形成的皮肤白斑样本库用于训练皮肤黑色素白斑分级神经网络分类器的步骤，具体方法如下：
（1）建立皮肤白斑样本库，即通过定距的高光谱图像采集装置，采集一定数量的皮肤白斑的高光谱图像，并形成相应的黑色素含量分布图；
（2）白斑样本库分成：训练集和测试集；
（3）对训练集进行数据标注，即依据白斑分级方法，对训练集中的每一例白斑图像进行分类（分级）；
（4）基于训练集进行分类模型训练，基于测试集进行测试。
本发明中，每个像素黑色素体积含量，为皮肤高光谱仿真算法计算得到的该像素的优黑素及褐黑素的含量步骤（3）的配色，按深红到深蓝渐变色的方式，即黑色素含量越高，越呈现深红色；反之则呈现深蓝色。皮肤白斑区域呈现出的 “盆地”状，即从形态上呈现四周高、中间低的特征；从颜色上，呈现出上部一种色系、底部一种色系，中间过渡区呈渐变色。
图3是目标区域选取的截面中依据黑色素脱失情况分级后所对应的的黑色素体积含量变化曲线对比图，从左往右依次为轻微脱失、中度脱失、重度脱失和完全脱失。
经过上述步骤，基于黑色素体积含量分布形态的进行白斑分级后，实现了白斑黑色素含量的分布形态特征分析和可视化显示，为人工干预影响黑色素提供科学的认定和评估基础。
Claims (6)
1.一种基于黑色素体积含量分布形态的白斑分级方法，其特征在于，所述方法包括如下步骤：
（1）采集目标区域皮肤的高光谱图像；
（2）利用皮肤高光谱仿真算法，提取并计算高光谱图像中每个像素的黑色素含量，得到目标区域黑色素含量的分布数据；
（3）将上述数据进行配色后以图像呈现，皮肤白斑区域呈现出“盆地”状，总体上分为三个区域：白斑区域、过渡区域和盆底区域；
（4）跨白斑区域画一条直线，直线穿过白斑中心区域，直线两端两边基本对称；提取直线上各像素的黑色素含量，形成一个“盆地”截面对应的黑色素含量变化曲线，称为黑色素“盆地”截面特征；
（5）基于黑色素“盆地”截面特征将白斑的黑色素脱失情况分为四级：即
轻微脱失、中度脱失、重度脱失和完全脱失。
2.根据权利要求1所述的一种基于黑色素体积含量分布形态的白斑分级方法，其特征在于，对于所述步骤（4）（5）中黑色素“盆地”截面特征图中非规则的截面特征，进一步进行多个截面分析、单边分析，并观察盆地图中白斑整体情况，综合判断进行分级。
3.根据权利要求1所述的一种基于黑色素体积含量分布形态的白斑分级方法，其特征在于，还包括将整个白斑的分级数据形成的皮肤白斑样本库用于训练皮肤黑色素白斑分级神经网络分类器的步骤，具体方法如下：
3.1 建立皮肤白斑样本库，即通过定距的高光谱图像采集装置，采集一定数量的皮肤白斑的高光谱图像，并形成相应的黑色素含量分布图；
3.2白斑样本库分成：训练集和测试集；
3.3对训练集进行数据标注，即依据白斑分级方法，对训练集中的每一例白斑图像进行分级；
3.4基于训练集进行分类模型训练，基于测试集进行测试。
4.根据权利要求1所述的一种基于黑色素体积含量分布形态的白斑分级方法，其特征在于：所述步骤（2）中，每个像素黑色素体积含量，为皮肤高光谱仿真算法计算得到的该像素的优黑素及褐黑素的含量之和。
5.根据权利要求1所述的一种基于黑色素体积含量分布形态的白斑分级方法，其特征在于：所述步骤（3）的配色，按深红到深蓝渐变色的方式，即黑色素含量越高，越呈现深红色；反之则呈现深蓝色。
6.根据权利要求1所述的一种基于黑色素体积含量分布形态的白斑分级方法，其特征在于：所述皮肤白斑区域呈现出的 “盆地”状，即从形态上呈现四周高、中间低的特征；从颜色上，呈现出上部一种色系、底部一种色系，中间过渡区呈渐变色。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310300831.XA CN116012379B (zh) | 2023-03-27 | 2023-03-27 | 一种基于黑色素体积含量分布形态的白斑分级方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310300831.XA CN116012379B (zh) | 2023-03-27 | 2023-03-27 | 一种基于黑色素体积含量分布形态的白斑分级方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116012379A true CN116012379A (zh) | 2023-04-25 |
| CN116012379B CN116012379B (zh) | 2023-09-08 |
Family
ID=86030238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310300831.XA Active CN116012379B (zh) | 2023-03-27 | 2023-03-27 | 一种基于黑色素体积含量分布形态的白斑分级方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116012379B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070098073A (ko) * | 2006-03-31 | 2007-10-05 | (주)아모레퍼시픽 | 피부표면의 멜라닌 분포를 가시적으로 표현할 수 있는각질세포의 멜라닌을 정량하는 방법 |
| JP2010051589A (ja) * | 2008-08-28 | 2010-03-11 | Waseda Univ | 非侵襲ヒト皮膚メラニン計測法及びその装置 |
| CN105786762A (zh) * | 2016-03-28 | 2016-07-20 | 陈威 | 一种人皮肤光谱的建模方法以及高拟合度的多个皮肤参数的数学建模方法 |
| CN106074778A (zh) * | 2016-07-07 | 2016-11-09 | 南方医科大学 | 一种治疗白癜风的中药组合物及其制剂 |
| CN107402070A (zh) * | 2017-06-02 | 2017-11-28 | 皑高森德医疗技术（北京）有限责任公司 | 一种皮肤高光谱图像采集单元及标定方法 |
| CN107411709A (zh) * | 2017-06-02 | 2017-12-01 | 皑高森德医疗技术（北京）有限责任公司 | 一种基于高光谱图像的皮肤生物学成分量化分析方法 |
| CN110335304A (zh) * | 2019-06-11 | 2019-10-15 | 苏州思白人工智能技术研发有限公司 | 基于图像识别的皮损面积测量方法及皮肤疾病诊疗系统 |
| CN111161290A (zh) * | 2019-12-27 | 2020-05-15 | 西北大学 | 一种图像分割模型的构建方法、图像分割方法及系统 |
| CN114965346A (zh) * | 2022-06-07 | 2022-08-30 | 河北工业大学 | 基于深度学习和高光谱成像技术的猕猴桃品质检测方法 |
-
2023
- 2023-03-27 CN CN202310300831.XA patent/CN116012379B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070098073A (ko) * | 2006-03-31 | 2007-10-05 | (주)아모레퍼시픽 | 피부표면의 멜라닌 분포를 가시적으로 표현할 수 있는각질세포의 멜라닌을 정량하는 방법 |
| JP2010051589A (ja) * | 2008-08-28 | 2010-03-11 | Waseda Univ | 非侵襲ヒト皮膚メラニン計測法及びその装置 |
| CN105786762A (zh) * | 2016-03-28 | 2016-07-20 | 陈威 | 一种人皮肤光谱的建模方法以及高拟合度的多个皮肤参数的数学建模方法 |
| CN106074778A (zh) * | 2016-07-07 | 2016-11-09 | 南方医科大学 | 一种治疗白癜风的中药组合物及其制剂 |
| CN107402070A (zh) * | 2017-06-02 | 2017-11-28 | 皑高森德医疗技术（北京）有限责任公司 | 一种皮肤高光谱图像采集单元及标定方法 |
| CN107411709A (zh) * | 2017-06-02 | 2017-12-01 | 皑高森德医疗技术（北京）有限责任公司 | 一种基于高光谱图像的皮肤生物学成分量化分析方法 |
| CN110335304A (zh) * | 2019-06-11 | 2019-10-15 | 苏州思白人工智能技术研发有限公司 | 基于图像识别的皮损面积测量方法及皮肤疾病诊疗系统 |
| CN111161290A (zh) * | 2019-12-27 | 2020-05-15 | 西北大学 | 一种图像分割模型的构建方法、图像分割方法及系统 |
| CN114965346A (zh) * | 2022-06-07 | 2022-08-30 | 河北工业大学 | 基于深度学习和高光谱成像技术的猕猴桃品质检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116012379B (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8483454B2 (en) | Methods for tissue classification in cervical imagery | |
| Yan et al. | Tongue squamous cell carcinoma discrimination with Raman spectroscopy and convolutional neural networks | |
| Claridge et al. | From colour to tissue histology: physics-based interpretation of images of pigmented skin lesions | |
| CN1296699C (zh) | 显微多光谱骨髓及外周血细胞自动分析仪和分析骨髓及外周血细胞的方法 | |
| JP5508792B2 (ja) | 画像処理方法、画像処理装置および画像処理プログラム | |
| CN112017743B (zh) | 一种疾病风险评测报告自动生成平台及应用 | |
| KR20130056886A (ko) | 스펙트럼 이미징에 의해 생물 표본을 분석하는 방법 | |
| Delpueyo et al. | Multispectral imaging system based on light-emitting diodes for the detection of melanomas and basal cell carcinomas: a pilot study | |
| CN110763698A (zh) | 一种基于特征波长的高光谱柑橘叶片病害识别方法 | |
| CN110946552B (zh) | 一种结合光谱和图像的宫颈癌前病变筛查方法 | |
| WO2019181845A1 (ja) | 生体組織解析装置、生体組織解析プログラムおよび生体組織解析方法 | |
| Di Leo et al. | An improved procedure for the automatic detection of dermoscopic structures in digital ELM images of skin lesions | |
| CN110148126A (zh) | 基于颜色分量组合和轮廓拟合的血液白细胞分割方法 | |
| US20090080727A1 (en) | Methods and apparatus for quantifying photo-damage | |
| CN109685046B (zh) | 一种基于图像灰度的皮肤光透明程度分析方法及其装置 | |
| CN116012484A (zh) | 一种基于黑色素体积含量的皮肤白斑盆地状呈现方法 | |
| Li et al. | Skin cells segmentation algorithm based on spectral angle and distance score | |
| CN116012379B (zh) | 一种基于黑色素体积含量分布形态的白斑分级方法 | |
| KR101551814B1 (ko) | 설진 영상의 평가지표 정량화를 통한 설진 분석 방법, 시스템 및 그 기록매체 | |
| CN104573668A (zh) | 基于光谱反射率的面部色泽适应性自动识别方法 | |
| Liu et al. | Using hyperspectral imaging automatic classification of gastric cancer grading with a shallow residual network | |
| Li et al. | Automatic identification and quantitative morphometry of unstained spinal nerve using molecular hyperspectral imaging technology | |
| CN116077030A (zh) | 一种基于皮肤成分体积含量的肤质评价方法 | |
| CN116660271A (zh) | 一种用于检测铟锭脱模后表面平整度和光洁度的方法 | |
| Wang et al. | Hyperspectral-attention mechanism-based improvement of radiomics prediction method for primary liver cancer |
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 |