CN116687350B - 利用光谱层析技术实现色素类疾病的边界查找方法 - Google Patents
利用光谱层析技术实现色素类疾病的边界查找方法 Download PDFInfo
- Publication number
- CN116687350B CN116687350B CN202310666836.4A CN202310666836A CN116687350B CN 116687350 B CN116687350 B CN 116687350B CN 202310666836 A CN202310666836 A CN 202310666836A CN 116687350 B CN116687350 B CN 116687350B
- Authority
- CN
- China
- Prior art keywords
- skin
- spectrum
- pigment
- dimensional
- spectral
- 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.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 178
- 239000000049 pigment Substances 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004587 chromatography analysis Methods 0.000 title claims abstract description 24
- 238000005516 engineering process Methods 0.000 title claims abstract description 21
- 201000010099 disease Diseases 0.000 title claims abstract description 16
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims abstract description 71
- 230000036555 skin type Effects 0.000 claims abstract description 44
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000031700 light absorption Effects 0.000 claims description 24
- 238000010521 absorption reaction Methods 0.000 claims description 19
- XUMBMVFBXHLACL-UHFFFAOYSA-N Melanin Chemical compound O=C1C(=O)C(C2=CNC3=C(C(C(=O)C4=C32)=O)C)=C2C4=CNC2=C1C XUMBMVFBXHLACL-UHFFFAOYSA-N 0.000 claims description 14
- 238000002835 absorbance Methods 0.000 claims description 8
- 230000037311 normal skin Effects 0.000 claims description 7
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 claims description 5
- 108010054147 Hemoglobins Proteins 0.000 claims description 5
- 102000001554 Hemoglobins Human genes 0.000 claims description 5
- 108010002255 deoxyhemoglobin Proteins 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 abstract description 17
- 239000000284 extract Substances 0.000 abstract description 6
- 238000010183 spectrum analysis Methods 0.000 abstract description 2
- 208000012641 Pigmentation disease Diseases 0.000 description 14
- 230000019612 pigmentation Effects 0.000 description 7
- 230000010354 integration Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 208000030560 Abnormality of the skin Diseases 0.000 description 2
- 208000019000 darkening of skin Diseases 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001429 visible spectrum Methods 0.000 description 2
- 210000001099 axilla Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036074 healthy skin Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- 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
- A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/44—Detecting, measuring or recording for evaluating the integumentary system, e.g. skin, hair or nails
- A61B5/441—Skin evaluation, e.g. for skin disorder diagnosis
- A61B5/444—Evaluating skin marks, e.g. mole, nevi, tumour, scar
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Dermatology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了利用光谱层析技术实现色素类疾病的边界查找方法，涉及光谱分析技术领域，解决了现有技术容易受到外在因素影响，导致色素检测精度低的技术问题；本发明从二维光谱数据中提取目标元素的二维光谱特征，基于二维光谱特征匹配皮素像素对应的皮肤类型；本发明通过目标元素来确定皮肤类型，有助于获取精确的光谱特征序列，便于色素异常的检测识别；本发明提取皮肤像素不同深度的二维光谱数据，从不同深度的二维光谱数据中提取目标元素对应的色素光谱特征；比较光谱特征序列与色素光谱特征确定色素异常边界；本发明从色素异常的根本原因出发，对目标皮肤进行像素级检测识别，能够识别结果的可靠性以及异常边界的准确性。
Description
技术领域
本发明属于光谱分析领域，涉及利用光谱层析技术实现色素类疾病的边界查找技术，具体是利用光谱层析技术实现色素类疾病的边界查找方法。
背景技术
色素沉着是因各种原因引起色素增加导致皮肤颜色加深，主要临床表现为皮肤颜色加深或者出现颜色较正常肤色深的斑点、斑片或者斑块。黑色素是一种通过皮肤色调显现的暗色素，也是色素类疾病的最直接原因。
针对色素沉着一般都是进行范围化处理，也就是在皮肤中确定的色素沉着处理范围较实际的色素沉着范围大，这样健康皮肤也会受到药物刺激。现有技术在进行色素皮肤识别时，一般对获取的皮肤采样图像进行自动化处理，针对皮肤采样图像的每一个像素点进行条件筛选，以提高色素检测准确程度。现有技术在进行色素检测时，基于色素沉着的外在表现来进行检测识别，容易受到外在因素的影响，导致色素检测精度低。
本发明提供了利用光谱层析技术实现色素类疾病的边界查找方法，从色素沉着的源头出发进行色素检测识别，以解决上述问题。
发明内容
本发明旨在至少解决现有技术中针对色素类疾病存在的技术问题之一；为此，本发明提出了利用光谱层析技术实现色素类疾病的边界查找方法，用于解决现有技术基于色素沉着的外在表现来进行检测识别，容易受到外在因素影响，导致色素检测精度低的技术问题。
为实现上述目的，本发明的第一方面提供了利用光谱层析技术实现色素类疾病的边界查找方法，包括：划分目标皮肤获取若干皮肤像素；通过光谱层析技术获取若干皮肤像素中目标元素在设定波段对应的三维光谱数据；从三维光谱数据中提取各皮肤像素对应的二维光谱数据，从二维光谱数据中提取目标元素的二维光谱特征，基于二维光谱特征匹配皮肤像素对应的皮肤类型；根据皮肤类型从建立的皮肤光谱模型匹配对应的光谱特征序列；提取皮肤像素不同深度的二维光谱数据，从不同深度的二维光谱数据中提取目标元素对应的色素光谱特征；比较光谱特征序列与色素光谱特征确定色素异常边界。
现有技术通过图像识别技术来对色素异常的皮肤进行识别检测，其检测原理主要是对比各皮肤像素的灰度值。然而图像识别技术是从结果进行回溯，判断是否存在色素异常，一旦皮肤组织被其他物质覆盖，或者受到图像采集环境的影响，很容易导致色素识别精度降低。
本发明则从引起色素异常的根本原因出发，也就是上述提到的目标元素，识别出目标皮肤所属区域，以及该目标皮肤中目标元素的色素光谱特征来判断是否异于正常皮肤，进而实现色素异常的判断。而且，本发明对目标皮肤进行像素化处理，将色素异常的像素联合起来确定边界，同时结合色素异常的深度来围合成三维边界，实现色素类疾病边界的精确化查找。
本发明中的目标元素包括黑色素、血红蛋白和脱氧血红蛋白。在正常皮肤组织中不同区域的目标元素比例含量不同，色素异常的皮肤组织目标元素的比例含量也不同，这也是本发明实现边界精确查找的理论基础。
本发明中的设定波段为400-700nm；二维光谱特征包括吸收峰或者吸光系数，二维光谱特征主要用来确定目标皮肤中各皮肤像素所属的皮肤类型。色素光谱特征包括至少一个波长段各目标元素对应吸光系数之间的比例，这里的吸光系数之间的比例可以是某波长处的吸光系数比例，也可以是某一段波长的吸光系数比例。
优选的，所述通过光谱层析技术获取若干皮肤像素中目标元素在设定波段对应的三维光谱数据，包括：通过光谱层析技术获取目标皮肤的原始光谱数据；依次提取目标皮肤中各皮肤像素对应的原始光谱数据，作为该皮肤像素的三维光谱数据。
本发明为了提高边界查找精度，对目标皮肤进行划分获取若干皮肤像素；皮肤像素与图像像素类似，不过皮肤像素的大小需要保证其对应的原始光谱数据可分析，可经过实验确定皮肤像素的尺寸大小。
本发明通过光谱层析技术获取目标皮肤的原始光谱数据，将这些原始光谱数据按照划分好的皮肤像素进行归类和关联，皮肤像素也是进行边界查找的最小单位。本发明中的目标皮肤是指需要进行色素异常边界检测的皮肤组织；三维光谱数据包括波长、深度、吸光系数三个维度的原始光谱数据，波长实际就是设定波长，深度是指皮肤像素中皮肤组织到皮肤表面的高度。
优选的，所述从二维光谱数据中提取目标元素的二维光谱特征，包括：识别二维光谱数据中目标元素吸收峰对应的波长，获取该波长处各目标元素的吸光系数；按次序将目标元素的吸光系数比例整合成吸光系数序列；将若干吸光系数序列拼接整合成二维光谱特征。
研究表面，黑色素在设定波段中随着波长增加，吸光系数逐渐减低；而血红蛋白的可见光谱在540nm和580nm处呈现特征峰，而脱氧血红蛋白的吸收峰位于560nm，因此本发明可将540nm、560nm和580nm作为吸收峰对应的波长，则吸光系数序列中包括三组吸光系数比例，将这三组吸光系数比例与对应的吸收峰波长关联，整合成二维光谱特征。
优选的，所述基于二维光谱特征匹配皮肤像素对应的皮肤类型，包括：获取各皮肤类型对应的若干标准光谱特征；从二维光谱特征中获取吸光系数序列的数量，以及各吸光系数序列中目标元素的吸光系数比例；依次将若干标准光谱特征与吸光系数序列的数量和各吸光系数比例匹配，确定皮肤像素对应的皮肤类型。
在确定目标皮肤中各皮肤像素对应的皮肤类型时，需要知晓各皮肤类型对应的二维光谱特征。本发明获取各皮肤类型的若干标准光谱特征，标准光谱特征与二维光谱特征的内容属性一致；从获取的二维光谱特征中确定有几组吸光系数序列(对应几个吸收峰波长)以及各吸光系数序列中各目标元素吸光系数的比例，与若干标准光谱特征进行匹配可确定皮肤像素对应的像素类型。
优选的，所述根据皮肤类型从建立的皮肤光谱模型匹配对应的光谱特征序列，包括：获取不同皮肤类型的正常皮肤组织对应的原始光谱数据，从原始光谱数据中提取光谱特征序列；建立皮肤类型与光谱特征序列的关联关系，获取皮肤光谱模型；将皮肤像素对应皮肤类型输入至皮肤光谱模型，匹配获取光谱特征序列。
在确定皮肤类型之后，还需要确定该皮肤类型对应的色素特征序列，用于后续判断皮肤像素的色素是否异常。本发明先获取不同皮肤类型正常皮肤组织的原始光谱数据，从原始光谱数据中提取标准光谱特征，并与皮肤类型进行关联；之后，通过皮肤像素对应的皮肤类型在关联关系中匹配，可获取对应的标准光谱特征，有助于后续的色素异常分析。
优选的，所述提取皮肤像素不同深度的二维光谱数据，包括：根据皮肤像素的短边长作为深度值，基于深度值确定若干深度尺寸；从三维光谱数据中提取皮肤像素在若干深度尺寸时对应的二维光谱数据。
本发明中确定皮肤像素不同深度是为了在垂直方向上确定色素异常的边界，与平面确定的色素异常边界围合成色素异常的三维边界。在比较色素光谱特征与光谱特征序列进行比较时，先对皮肤像素对应最小深度的色素光谱特征进行比较，若异常则加大深度，逐渐识别出该皮肤像素出现色素异常的具体深度。
优选的，所述从不同深度的二维光谱数据中提取目标元素对应的色素光谱特征，包括：由浅入深依次提取不同深度尺寸的二维光谱数据；基于二维光谱数据获取各目标元素的元素光谱曲线，在设定波段内对元素光谱曲线进行积分处理；将各目标元素对应的积分值之比整合成色素光谱特征。
本发明在按照吸收峰波长可以将元素光谱曲线划分成多段，对每段进行分别积分，并获取各段中三种目标元素的积分值之比，同时也获取同一目标元素在各段中的积分值之比，将上述结果整合成色素光谱特征；光谱特征序列的获取方式与色素光谱特征的获取方式一致。
优选的，所述比较光谱特征序列与色素光谱特征确定色素异常边界，包括：将色素光谱特征与光谱特征数据进行比较，判断二者是否一致；是，则判断对应的皮肤像素正常；否，则判断皮肤像素异常；根据不同深度尺寸对应的色素光谱特征判断皮肤像素的异常深度，结合其他皮肤像素的判断结果确定目标皮肤的色素异常边界。
本发明先确定皮肤像素是否色素异常，以及色素异常的深度；将所有出现色素异常的皮肤像素整合起来，可围合成一个三维边界，该三维边界则是目标皮肤中出现色素异常的三维区域。
与现有技术相比，本发明的有益效果是：
1.本发明从三维光谱数据中提取各皮肤像素对应的二维光谱数据，从二维光谱数据中提取目标元素的二维光谱特征，基于二维光谱特征匹配皮肤像素对应的皮肤类型；本发明通过目标元素来确定皮肤类型，有助于获取精确的光谱特征序列，便于色素异常的检测识别。
2.本发明提取皮肤像素不同深度的二维光谱数据，从不同深度的二维光谱数据中提取目标元素对应的色素光谱特征；比较光谱特征序列与色素光谱特征确定色素异常边界；本发明从色素异常的根本原因出发，对目标皮肤进行像素级检测识别，能够识别结果的可靠性以及异常边界的准确性。
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为本发明的方法步骤示意图。
具体实施方式
下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
请参阅图1，本发明第一方面实施例提供了利用光谱层析技术实现色素类疾病的边界查找方法，包括：划分目标皮肤获取若干皮肤像素；通过光谱层析技术获取若干皮肤像素中目标元素在设定波段对应的三维光谱数据；从三维光谱数据中提取各皮肤像素对应的二维光谱数据，从二维光谱数据中提取目标元素的二维光谱特征，基于二维光谱特征匹配皮肤像素对应的皮肤类型；根据皮肤类型从建立的皮肤光谱模型匹配对应的光谱特征序列；提取皮肤像素不同深度的二维光谱数据，从不同深度的二维光谱数据中提取目标元素对应的色素光谱特征；比较光谱特征序列与色素光谱特征确定色素异常边界。
本实施例的第一步是划分目标皮肤获取若干皮肤像素；通过光谱层析技术获取若干皮肤像素中目标元素在设定波段对应的三维光谱数据。
获取目标皮肤之后，将目标皮肤按照1cm×1cm划分成若干皮肤像素，也就是说皮肤像素的平面大小是边长为1cm的正方形。之后通过光谱层析技术可以获取目标皮肤在波长为400nm-70nm对应的三维光谱数据，这样可以为每个皮肤像素匹配对应的三维光谱数据。后续分析三维光谱数据则可判断对应皮肤像素是否色素异常。
本实施例的第二步是从三维光谱数据中提取各皮肤像素对应的二维光谱数据，从二维光谱数据中提取目标元素的二维光谱特征，基于二维光谱特征匹配皮肤像素对应的皮肤类型。
在不考虑皮肤像素深度的情况下，从三维光谱数据中提取二维光谱数据，可以立即为提取皮肤像素深度最大时对应的光谱数据。在二维光谱数据中识别并分离出皮肤像素对应各目标元素的二维光谱数据，即黑色素、血红蛋白和脱氧血红蛋白对应的二维光谱数据，识别各目标元素对应的吸收峰。具体识别方法为：黑色素在设定波段中随着波长增加，吸光系数呈现逐渐减低的现象，血红蛋白的可见光谱在540nm和580nm处呈现特征峰，而脱氧血红蛋白的吸收峰位于560nm，因此本发明可将540nm、560nm和580nm作为吸收峰对应的波长。
分别获取波长540nm、560nm和580nm处对应目标元素的吸光系数，并计算各目标元素吸光系数在波长540nm、560nm和580nm的比值，可得到三组吸光系数的比值关系，整合之后作为该皮肤像素的二维光谱特征。
将皮肤像素的二维光谱特征与预先总结得到的不同类型的标准光谱特征进行比较，根据匹配度确定该皮肤像素对应的皮肤类型。皮肤类型基于皮肤组织的位置进行划分，如颈部、腋下等。
本实施例的第三步是根据皮肤类型从建立的皮肤光谱模型匹配对应的光谱特征序列；提取皮肤像素不同深度的二维光谱数据，从不同深度的二维光谱数据中提取目标元素对应的色素光谱特征。
本实施例先获取不同皮肤类型正常皮肤组织的原始光谱数据，从原始光谱数据中提取不同深度对应的光谱特征序列，可以从原始光谱数据中测得所有深度对应的光谱特征序列，建立查找表；则确定皮肤类型和对应的像素深度之后即可匹配得到对应的光谱特征序列。
在另外一些优选的实施例中，还可根据将皮肤类型、像素深度作为模型输入数据，将光谱特征序列作为模型输出数据，训练人工智能模型，将训练好的人工智能模型标记为皮肤光谱模型。人工智能模型包括BP神经网络模型或者RBF神经网络模型。
在获取某深度SD的二维光谱数据之后，获取各目标元素的元素光谱曲线，分别标记为F1(λ)、F2(λ)和F3(λ)，则可分段积分处理，得到积分结果A1＝∫F1(λ)，A2＝∫F2(λ)，A3＝∫F3(λ)；B1＝∫F1(λ)，B2＝∫F2(λ)，B3＝∫F3(λ)，C1＝∫F1(λ)，C2＝∫F2(λ)，C3＝∫F3(λ)，D1＝∫F1(λ)，D2＝∫F2(λ)，D3＝∫F3(λ)；其中，A1、A2、A3的积分范围为λ∈[400，540]；B1、B2、B3的积分范围为λ∈[540，560]；C1、C2、C3的积分范围为λ∈[560，580]；D1、D2、D3的积分范围为λ∈[580，700]，∫为积分符号。皮肤像素的色素光谱特征可表示为[SD，(A1:A2:A3)，(B1:B2:B3)，(C1:C2:C3)，(D1:D2:D3)]。
本实施例的第四步是比较光谱特征序列与色素光谱特征确定色素异常边界。
本实施例将色素光谱特征与光谱特征数据进行比较，判断二者是否一致；是，则判断对应的皮肤像素正常；否，则判断皮肤像素异常。需要说明的是，二者不一致即可认为对应皮肤像素的色素异常，这里的色素异常包括颜色过深或者颜色过淡，若仅判断颜色过深则可从比较色素光谱特征中的黑色素占比是否大于光谱特征数据；而且每次对比仅能代表皮肤像素的一个深度，在判断皮肤像素在某深度出现色素异常时，则需要对下一个深度(增大深度)进行判断；若某深度没有出现色素异常时，则该皮肤像素色素异常的深度由是上一个深度(较当前深度小)确定。值得注意的是，若可能在皮肤像素的中间部分出现色素异常时，则需要对每个深度均进行分析判断。
本实施例在对某一个皮肤像素分析完成之后，可以得到该皮肤像素是否色素异常，以及色素异常的深度(或者深度范围)；联合目标皮肤中其他皮肤像素的分析结果可以确定目标皮肤中哪些区域出现色素异常，得到精确的三维边界。
上述公式中的部分数据是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：划分目标皮肤获取若干皮肤像素；通过光谱层析技术获取若干皮肤像素中目标元素在设定波段对应的三维光谱数据。从三维光谱数据中提取各皮肤像素对应的二维光谱数据，从二维光谱数据中提取目标元素的二维光谱特征，基于二维光谱特征匹配皮肤像素对应的皮肤类型。根据皮肤类型从建立的皮肤光谱模型匹配对应的光谱特征序列；提取皮肤像素不同深度的二维光谱数据，从不同深度的二维光谱数据中提取目标元素对应的色素光谱特征；比较光谱特征序列与色素光谱特征确定色素异常边界。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
Claims (4)
1.利用光谱层析技术实现色素类疾病的边界查找方法，其特征在于，包括：
划分目标皮肤获取若干皮肤像素；通过光谱层析技术获取若干皮肤像素中目标元素在设定波段对应的三维光谱数据；其中，目标元素包括黑色素、血红蛋白和脱氧血红蛋白，设定波段为400-700nm；
从三维光谱数据中提取各皮肤像素对应的二维光谱数据，从二维光谱数据中提取目标元素的二维光谱特征，基于二维光谱特征匹配皮肤像素对应的皮肤类型；其中，二维光谱特征包括吸收峰或者吸光系数；
根据皮肤类型从建立的皮肤光谱模型匹配对应的光谱特征序列；提取皮肤像素不同深度的二维光谱数据，从不同深度的二维光谱数据中提取目标元素对应的色素光谱特征；比较光谱特征序列与色素光谱特征确定色素异常边界；其中，色素光谱特征包括至少一个波长段各目标元素对应吸光系数之间的比例；
所述根据皮肤类型从建立的皮肤光谱模型匹配对应的光谱特征序列，包括：
获取不同皮肤类型的正常皮肤组织对应的原始光谱数据，从原始光谱数据中提取光谱特征序列；其中，光谱特征序列与色素光谱特征的内容属性一致；
建立皮肤类型与光谱特征序列的关联关系，获取皮肤光谱模型；将皮肤像素对应皮肤类型输入至皮肤光谱模型，匹配获取光谱特征序列；
所述提取皮肤像素不同深度的二维光谱数据，包括：
根据皮肤像素的短边长作为深度值，基于深度值确定若干深度尺寸；其中，皮肤像素为长方形；
从三维光谱数据中提取皮肤像素在若干深度尺寸时对应的二维光谱数据；
所述从不同深度的二维光谱数据中提取目标元素对应的色素光谱特征，包括：
由浅入深依次提取不同深度尺寸的二维光谱数据；
基于二维光谱数据获取各目标元素的元素光谱曲线，在设定波段内对元素光谱曲线进行积分处理；将各目标元素对应的积分值之比整合成色素光谱特征；
所述比较光谱特征序列与色素光谱特征确定色素异常边界，包括：
将色素光谱特征与光谱特征数据进行比较，判断二者是否一致；是，则判断对应的皮肤像素正常；否，则判断皮肤像素异常；
根据不同深度尺寸对应的色素光谱特征判断皮肤像素的异常深度，结合其他皮肤像素的判断结果确定目标皮肤的色素异常边界。
2.根据权利要求1所述的利用光谱层析技术实现色素类疾病的边界查找方法，其特征在于，所述通过光谱层析技术获取若干皮肤像素中目标元素在设定波段对应的三维光谱数据，包括：
通过光谱层析技术获取目标皮肤的原始光谱数据；其中，目标皮肤为需要进行色素边界检测的皮肤组织；
依次提取目标皮肤中各皮肤像素对应的原始光谱数据，作为该皮肤像素的三维光谱数据；其中，三维光谱数据包括波长、深度、吸光系数三个维度的原始光谱数据。
3.根据权利要求1所述的利用光谱层析技术实现色素类疾病的边界查找方法，其特征在于，所述从二维光谱数据中提取目标元素的二维光谱特征，包括：
识别二维光谱数据中目标元素吸收峰对应的波长，获取该波长处各目标元素的吸光系数；按次序将目标元素的吸光系数比例整合成吸光系数序列；
将若干吸光系数序列拼接整合成二维光谱特征。
4.根据权利要求3所述的利用光谱层析技术实现色素类疾病的边界查找方法，其特征在于，所述基于二维光谱特征匹配皮肤像素对应的皮肤类型，包括：
获取各皮肤类型对应的若干标准光谱特征；从二维光谱特征中获取吸光系数序列的数量，以及各吸光系数序列中目标元素的吸光系数比例；
依次将若干标准光谱特征与吸光系数序列的数量和各吸光系数比例匹配，确定皮肤像素对应的皮肤类型；其中，皮肤类型根据皮肤组织在人体中的区域划分，不同皮肤类型对应的标准光谱特征不同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310666836.4A CN116687350B (zh) | 2023-06-07 | 2023-06-07 | 利用光谱层析技术实现色素类疾病的边界查找方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310666836.4A CN116687350B (zh) | 2023-06-07 | 2023-06-07 | 利用光谱层析技术实现色素类疾病的边界查找方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116687350A CN116687350A (zh) | 2023-09-05 |
| CN116687350B true CN116687350B (zh) | 2023-11-21 |
Family
ID=87836825
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310666836.4A Active CN116687350B (zh) | 2023-06-07 | 2023-06-07 | 利用光谱层析技术实现色素类疾病的边界查找方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116687350B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1890557A (zh) * | 2003-11-28 | 2007-01-03 | Bc肿瘤研究所 | 根据拉曼和背景荧光谱多峰检测组织异常 |
| EP1723466B1 (fr) * | 2004-03-12 | 2008-11-05 | Horiba Abx Sas | Dispositif de generation d'une lumiere polychromatique a spectre continu |
| WO2011034947A2 (en) * | 2009-09-15 | 2011-03-24 | University Of Washington | Reagents and methods for modulating cone photoreceptor activity |
| JP2011087907A (ja) * | 2009-09-25 | 2011-05-06 | Shiseido Co Ltd | 肌の評価システムおよび評価方法 |
| WO2016086034A1 (en) * | 2014-11-26 | 2016-06-02 | Stc.Unm | Methods and systems for detecting cancer |
| JP2018023756A (ja) * | 2016-08-09 | 2018-02-15 | 花王株式会社 | 肌状態の評価方法 |
| CN113888540A (zh) * | 2021-12-06 | 2022-01-04 | 深圳市海谱纳米光学科技有限公司 | 一种用于人脸皮肤成分图像的分离方法和系统 |
| WO2022238956A1 (en) * | 2021-05-12 | 2022-11-17 | Illumisonics Inc. | Photoabsorption remote sensing (pars) imaging methods |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11176669B2 (en) * | 2019-04-14 | 2021-11-16 | Holovisions LLC | System for remote medical imaging using two conventional smart mobile devices and/or augmented reality (AR) |
-
2023
- 2023-06-07 CN CN202310666836.4A patent/CN116687350B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1890557A (zh) * | 2003-11-28 | 2007-01-03 | Bc肿瘤研究所 | 根据拉曼和背景荧光谱多峰检测组织异常 |
| EP1723466B1 (fr) * | 2004-03-12 | 2008-11-05 | Horiba Abx Sas | Dispositif de generation d'une lumiere polychromatique a spectre continu |
| WO2011034947A2 (en) * | 2009-09-15 | 2011-03-24 | University Of Washington | Reagents and methods for modulating cone photoreceptor activity |
| JP2011087907A (ja) * | 2009-09-25 | 2011-05-06 | Shiseido Co Ltd | 肌の評価システムおよび評価方法 |
| WO2016086034A1 (en) * | 2014-11-26 | 2016-06-02 | Stc.Unm | Methods and systems for detecting cancer |
| JP2018023756A (ja) * | 2016-08-09 | 2018-02-15 | 花王株式会社 | 肌状態の評価方法 |
| WO2022238956A1 (en) * | 2021-05-12 | 2022-11-17 | Illumisonics Inc. | Photoabsorption remote sensing (pars) imaging methods |
| CN113888540A (zh) * | 2021-12-06 | 2022-01-04 | 深圳市海谱纳米光学科技有限公司 | 一种用于人脸皮肤成分图像的分离方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116687350A (zh) | 2023-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Roy et al. | Skin Disease detection based on different Segmentation Techniques | |
| CN103870808B (zh) | 一种手指静脉识别方法 | |
| CN107527326A (zh) | 一种基于高光谱成像的小麦赤霉病诊断方法 | |
| He et al. | Cotton pests and diseases detection based on image processing | |
| SG190730A1 (en) | Method and an apparatus for determining vein patterns from a colour image | |
| CN105025776A (zh) | 图像处理装置、图像处理方法以及图像处理程序 | |
| CN110298273B (zh) | 一种基于多光谱图像的3d指静脉提取方法及系统 | |
| CN110796648B (zh) | 一种基于黑色素提取的面部黄褐斑区域自动分割方法 | |
| CN115601670B (zh) | 基于人工智能和高分辨率遥感影像的松材线虫病监测方法 | |
| JP2013534851A (ja) | 皮膚ゾーンにおける皮膚症状の検出および量子化方法および装置 | |
| Hani et al. | Haemoglobin distribution in ulcers for healing assessment | |
| Goicoechea-Telleria et al. | Low-cost and efficient hardware solution for presentation attack detection in fingerprint biometrics using special lighting microscopes | |
| CN116687350B (zh) | 利用光谱层析技术实现色素类疾病的边界查找方法 | |
| Mendonça et al. | Automatic localization of the optic disc in retinal images based on the entropy of vascular directions | |
| Liu et al. | Melanin and hemoglobin identification for skin disease analysis | |
| CN113017565A (zh) | 一种皮肤科色斑智能检测分析方法及系统 | |
| Reshma et al. | Two methodologies for identification of stages and different types of melanoma detection | |
| CN108197535A (zh) | 指静脉图像质量评判方法及装置 | |
| CN117137451A (zh) | 基于远程脉搏波信号的非接触式应激检测方法和系统 | |
| Jyothilakshmi et al. | Detection of malignant skin diseases based on the lesion segmentation | |
| CN110443217A (zh) | 一种基于多光谱的指纹防伪方法及系统 | |
| Kurniastuti et al. | Color feature extraction of fingernail image based on hsv color space as early detection risk of diabetes mellitus | |
| Peng et al. | A methodology for palm vein image enhancement and visualization | |
| CN107403181B (zh) | 基于广式腊肠高光谱图像的瘦肉与肥肉自适应分离的方法 | |
| Saherish et al. | A survey on melanoma skin cancer detection using CNN |
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 |