JP2014512900A

JP2014512900A - 皮膚の炎症値を判定する装置および方法

Info

Publication number: JP2014512900A
Application number: JP2014500201A
Authority: JP
Inventors: ソルダテイツチ，マルクス; シユトロハル，ロベルト
Original assignee: レツド・ソフト・アイ・テイー−サービス・ゲー・エム・ベー・ハー
Priority date: 2011-03-24
Filing date: 2012-03-20
Publication date: 2014-05-29
Anticipated expiration: 2032-03-20
Also published as: CA2828785C; CN103619238B; AT511265A1; AU2012231802A1; WO2012126027A1; EP2688465B1; HK1194270A1; ES2540953T3; EA201391383A1; CN103619238A; EP2688465A1; AU2012231802B2; TWI544898B; JP5921665B2; US20140010423A1; CA2828785A1; AT511265B1; US9330453B2; TW201302154A; EA026318B1

Abstract

本発明は、皮膚炎症値（Ｚ）を判定する装置および方法に関する。該装置は、人もしくは動物の皮膚（Ｈ）の炎症領域（Ｅ）の三次元画像（Ｂ）を記録する光電子計測装置（１）（好ましくは、３Ｄスキャナー）であって、三次元画像（Ｂ）の領域関連値（Ａ）、空間値（Ｖ）および色値（Ｆ）を検出する光電子計測装置（１）と、計測装置（１）によって検出された領域関連値（Ａ）、空間値（Ｖ）および色値（Ｆ）から皮膚炎症値（Ｚ）を算出する演算ユニット（２）と、算出された皮膚炎症値（Ｚ）を表示する表示ユニット（３）とを備える。

Description

本発明は、皮膚の炎症スコアまたは炎症値を判定する装置および方法に関する。

医療分野では、医師は非常にさまざまな診断支援装置を利用することができる。これに関して、これまで長きにわたって、Ｘ線装置、コンピュータ断層撮影、種々の３Ｄスキャナー、その他多くの機器が使用されてきた。

皮膚表面の炎症の診断支援に関しては、まだ最初の段階にすぎない。これに関して、文献「Ｂｅｙｏｎｄｆｌａｔｗｅａｌｓ：ｖａｌｉｄａｔｉｏｎｏｆａｔｈｒｅｅ−ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｉｎｇｔｅｃｈｎｏｌｏｇｙｔｈａｔｗｉｌｌｉｍｐｒｏｖｅｓｋｉｎａｌｌｅｒｇｙｒｅｓｅａｒｃｈ」（科学雑誌「ＣｌｉｎｉｃａｌａｎｄＥｘｐｅｒｉｍｅｎｔａｌＤｅｒｍａｔｏｌｏｇｙ」３３章、７７２〜７７５頁）には、皮膚表面の炎症領域または皮膚のみみず腫れのトポグラフィーの３Ｄスキャナーによる測定方法が記載されている。このようにして作成されたみみず腫れの高解像度の三次元トポグラフィー画像は、診断を行う医師に重要なさらなる手掛かりを与える。しかしながら、このシステムおよび方法には、診断結果に含まれるのは高さおよび体積の情報のみであるという不利点がある。上述の文献によれば、いわゆるプリックテストによる皮膚検査では、実際には、ほとんどの場合、診断支援ツールとしてはこの数値またはスコアで十分である。

しかしながら、他のタイプの皮膚検査（例えば、いわゆる皮膚感作試験）が行われる場合、診断を行う医師に十分な診断支援を提供するのに、高さおよび体積のスコアのみでは十分ではない。

文献「Ｂｅｙｏｎｄｆｌａｔｗｅａｌｓ：ｖａｌｉｄａｔｉｏｎｏｆａｔｈｒｅｅ−ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｉｎｇｔｅｃｈｎｏｌｏｇｙｔｈａｔｗｉｌｌｉｍｐｒｏｖｅｓｋｉｎａｌｌｅｒｇｙｒｅｓｅａｒｃｈ」（科学雑誌「ＣｌｉｎｉｃａｌａｎｄＥｘｐｅｒｉｍｅｎｔａｌＤｅｒｍａｔｏｌｏｇｙ」３３章、Ｐ７７２〜７７５）

本発明の目的は、先行技術を改善した皮膚の炎症の診断支援ツールを提供することである。本発明は、特に、診断支援システムに、測定された炎症領域の空間値以外に、診断上有効な他の値も含むものである。

皮膚の炎症を判定する、または皮膚炎症スコアもしくは炎症値を判定する装置では、この判定は、人もしくは動物の皮膚の炎症領域の三次元画像を撮影するための光電子計測機器もしくは装置（好ましくは、３Ｄスキャナー）であって、三次元画像の領域関連値、空間値および色値を検出可能な光電子計測機器と、計測機器によって検出された領域関連値、空間値および色値から皮膚炎症スコアを算出するための処理もしくは演算ユニットと、算出された皮膚炎症スコアを表示するための表示ユニットとによって達成される。その結果、空間値のみが判定される皮膚炎症スコアもしくは数値に含まれるのではなく、さらに走査された炎症領域の領域関連値および色値も考慮に入れられる。すなわち、本発明により、診断上より有効なスコアの判定が可能となり、判定は炎症の実際の重症度により近くなる。したがって、診断を大幅に支援および改善することができ、医師は、単に、粗さ、サイズ、および発赤の主観的な評価に基づいて診断を行う必要がなくなり、記憶されている過去の計測の経験値および実際に計測され経験値と比較された値とに基づいて、より客観的な診断を行うことができるようになる。

本発明の好適な例示的実施形態によれば、走査される炎症領域の三次元画像が三次元座標系に格子状に配置された多数の画素から成り、各々の領域関連値は座標系の中の一意の１画素に相当するようにしてもよい。したがって、座標系内に形成された画素は、実際の皮膚表面の仮想画像を形成する。好適な形では、各々の空間値が三次元座標系内の個々の画素の高さの値に対応するようにしてもよい。

できる限り納得のいく結果を得るためには、好ましくは１つの色値と好ましくは１つの空間値の両方が、光電子計測機器によって走査された三次元画像の個々の領域関連値に割り当てられるのが好ましい。１画素もしくは１画像点は、１μｍ〜１０μｍの寸法であるのが好ましい。特に好ましいのは、画素サイズは、正確には、３．０５５９７μｍである。

さらに、好ましくは、各々の色値がＣＭＹＫ色モデルのマゼンタ値、濃淡値、またはＨＳＶ色空間の彩度値に対応するようにしてもよい。ＣＭＹＫ色モデルは、いわゆる減法混色モデルであり、ＣＭＹＫは、シアン、マゼンタ、イエロー、およびキーを表している。ＨＳＶ色空間は、いくつかの色モデルの色空間のことであり、色相、彩度、および明度値が適用される。

本発明は、第一に、皮膚の炎症、すなわち、皮膚、特に、強膜（真皮）の炎症反応の診断を支援する働きをする。用語「湿疹」は、皮膚の炎症の同義語として使用される場合もある。検査される皮膚の炎症は、自然に発生する炎症およびアレルギー検査（例えば、経皮試験またはプリックテスト）によって意図的に引き起こされた炎症の両方を含む場合がある。さらに、痣または傷も診断可能であるが、そのためには、それに応じて分類法が適応されなければならない。

基本的には、走査領域全体を一様に評価される炎症領域と見なすことができる。しかしながら、走査される三次元画像の領域関連値は、処理ユニットによって、好ましくは、個々の画素の色値の範囲を画定することによって、または個々の画素の空間値の範囲を画定することによって、炎症病巣と炎症病巣に隣接し炎症病巣の周囲にある領域とに区別することができるのが好ましい。炎症病巣と病巣周囲領域とを区別するには、当然、色値、空間値、および／または領域関連値の組み合わせも使用することができる。

画定領域全体に適用される画定領域の有効な詳細値を求めるためには、好ましくは、炎症病巣全体の相対総色値を、炎症病巣における平均色値と病巣周囲領域の平均色値とを比較することによって判定できるようにしてもよい。さらに任意で、炎症病巣全体の絶対総体積値を炎症病巣の空間値から判定できるようにしてもよいし、さらに炎症病巣の相対総体積値を炎症病巣の平均空間値と病巣周囲領域の平均空間値とを比較することによって判定できるようにしてもよい。

特に、前記相対総体積値に関しては、好ましくは、相対総体積値を病巣周囲領域の表面粗さに対する炎症病巣の表面粗さの比較値にしてもよい。この場合、表面粗さの算出方法は、ドイツ工業規格ＥＮＩＳＯ４２８８による線粗さの算出によって求められてよい。

以下に、全体の皮膚の炎症スコアを算出するのに使用される追加または代替の詳細値について説明する。例えば、領域関連値が炎症病巣の周囲に相当する周囲値に対応し、および／または領域関連値が炎症病巣の表面積を示す面積値に対応するようにしてもよい。さらに、領域関連値は、面積値と周囲値の関数として生成され、面積値に対する周囲値の比を示す緻密度値に対応する、あるいは総体積値が炎症病巣の全ての隆起部の平均の高さを示す平均高さ値および／または最も高い隆起部の表面積を示す最大高さ面積値に対応するようにしてもよい。最も高い隆起部は、最高位の隆起部の高さの少なくとも７０％、好ましくは、少なくとも８５％の高さの隆起部のことである。

さらに、特に、光電子計測機器もしくは装置（好ましくは３Ｄスキャナー）、処理もしくは演算ユニット、および表示ユニットを備える請求項１から請求項１３のうちのいずれか一項に記載の装置を使用して実行され得る、皮膚炎症スコアもしくは数値を判定する方法であって、光電子計測機器によって人もしくは動物の皮膚の炎症領域の三次元画像を撮影するステップと、三次元画像の領域関連値、色値および空間値を判定するステップと、算出された領域関連値、色値および空間値から皮膚炎症スコアを算出するステップと、算出された皮膚炎症スコアを表示ユニットに表示するステップとを含むことを特徴とする方法に対して保護が求められる。したがって、該方法は、診断方法と考えるべきでなく、医師によって行われる診断方法に使用されるデータ検出もしくはデータ処理方法（色値、空間値、および領域関連値）と見なすべきである。

さらに好適な方法ステップは、さらに請求項１５に定義されている。これに関して、請求項１５の特徴は三次元画像を判定するステップおよび皮膚炎症スコアを算出するステップをより明確に説明および定義するものであることに留意されたい。

以下に、図に示される例示的な実施形態に関する図面を説明しながら本発明のさらなる詳細および利点を詳述する。

皮膚炎症スコアもしくは炎症値を判定する装置の概略図である。皮膚炎症スコアの１つの異なるクラスを示した皮膚の炎症領域の図である。皮膚炎症スコアの別の異なるクラスを示した皮膚の炎症領域の図である。皮膚炎症スコアの別の異なるクラスを示した皮膚の炎症領域の図である。皮膚炎症スコアの別の異なるクラスを示した皮膚の炎症領域の図である。三次元座標系で示された高さ画像の平滑化手順を示す図である。三次元座標系で示された高さ画像の平滑化手順を示す図である。三次元座標系で示された高さ画像の平滑化手順を示す図である。濃淡値画像で高さを示した図である。濃淡値画像で高さを示した図である。平均高さの二値画像である。高さ境界輪郭を有する画像である。高さ境界輪郭の重心を調べる画像である。皮膚炎症スコアを判定する第１の方法のフローチャートである。色値および領域関連値に基づいて輪郭を算出した図である。色値および領域関連値に基づいて輪郭を算出した図である。色値および領域関連値に基づいて輪郭を算出した図である。色値および領域関連値に基づいて輪郭を算出した図である。皮膚炎症スコアを判定する第２の方法における数値算出ステップを示した図である。皮膚炎症スコアを判定する第２の方法における数値算出ステップを示した図である。皮膚炎症スコアを判定する第２の方法における数値算出ステップを示した図である。皮膚炎症スコアを判定する第２の方法における数値算出ステップを示した図である。皮膚炎症スコアを判定する第２の例示的な方法の最も重要な部分を示したフローチャートである。

図１は、皮膚炎症スコアＺを判定する装置の不可欠な構成部品を示している。炎症スコアを判定するためには、光電子計測機器もしくは装置１（３Ｄスキャナー、例えば、ＰＲＩＭＯＳｐｉｃｏ、ＧＦＭ社製）が人もしくは動物の皮膚Ｈの上で保持される、または、好ましくは直接皮膚Ｈの上に載せられる。計測機器１は、当然、（疑わしいとされる）炎症領域Ｅの上で使用されなければならない。個々の走査要素５によって、炎症領域Ｅ全体が２つの走査領域Ｓ_１およびＳ_２で検出され、対応する三次元画像Ｂが処理もしくは演算ユニット２に送信される。前記画像Ｂは、各々が領域関連値Ａに対応する多数の画素Ｐから成る。個々の領域関連値Ａには、色値Ｆおよび空間値Ｖが含まれる。画像Ｂ全体は、三次元座標系４に表示される（図６も参照）。処理ユニット２は、計測機器１に接続されるコンピュータとして構成されてもよい。しかしながら、処理ユニット２は、計測機器１に直接組み込まれてもよい。

第１の重要な算出ステップにおいて、収集された数値Ａ、Ｖ、Ｆを使用して、炎症領域Ｅは炎症病巣Ｃと病巣周囲領域Ｕとに細分される。その後、炎症病巣Ｃの絶対色値ＦＷおよび／もしくは絶対体積値ＶＷ、ならびに／または炎症領域全体の相対色値ＦＷおよび／もしくは相対体積値ＶＷ_Ｒが判定される。相対色値ＦＷは、例えば、病巣周囲領域Ｕの平均マゼンタ値を炎症領域Ｃの平均マゼンタ値から引く、または炎症領域Ｃの平均マゼンタ値で割ることで求められる。絶対体積値ＶＷ_Ｖとしての総体積値ＶＷは、例えば、みみず腫れ全体または炎症全体の明確な総体積を表すことができる。参照文字ＶＷ_Ｒは、炎症病巣Ｃの粗さと病巣周囲領域Ｕの粗さとを比較した相対総体積値を表すことができる。

次に、これらの判定された数値ＦＷ、ＶＷ_Ｖ、およびＶＷ_Ｒの各々は、炎症クラスＫ_０、Ｋ_１、Ｋ_２、またはＫ_３のうちの１つに分類される。これらの分類クラスの限界値は、処理ユニット２に記憶され収集され予め分類されている経験値に基づいて、予め定義される。個々のクラスＫ_０、Ｋ_１、Ｋ_２、またはＫ_３に割り当てることにより、平均的な、好ましくはおおよその皮膚炎症スコアＺが得られ、その結果、炎症スコアＺが表示ユニット３に出力される。光ディスプレイと同じく、スピーカーによって音響出力のみが使用されてもよい。表示ユニット３は、個々の発光ダイオードを備えてもよい。皮膚炎症スコアは、例えば、ダイオードの色で識別されてもよい。さらに、発光ダイオードの数が皮膚炎症スコアを反映するようにしてもよい。

図２から図５は、異なる炎症領域Ｅの画像例を示しており、四角形セグメントＱと輪郭周囲の矩形Ｔとがそれぞれ入力される。輪郭Ｋは、炎症病巣Ｃと病巣周囲領域Ｕとの境界線となる。さらに、矩形セグメントＱの中心Ｘ_Ｑと輪郭Ｋの重心Ｘ_Ｋとが、それぞれ図２から図５に示されている。文字Ｘの交点をそれぞれ正確な点と見なすものとする。図５は、強い発赤と大きな水疱を伴った腫れを示しており（炎症クラスＫ_３）、左上のＸは矩形セグメントＱの中心に相当し、右下のＸは輪郭Ｋの重心に相当する。

以下に、皮膚炎症スコアを判定する２つの方法について詳細に説明するが、２つの方法の個々のまたは複数の算出ステップは、任意で「組み合わせた」算出ステップを含む別々の方法において実行される場合も除外すべきでない。言うまでもなく、方法ステップは、それぞれの方法から部分的に省略されてもよい。皮膚炎症スコアを算出するのに不可欠なのは、光電子計測機器によって走査された三次元画像Ｂのそれぞれの領域関連値Ａ、空間値Ｖ、および色値Ｆを考慮することである。さらに、当然、皮膚炎症スコアＺを判定するのに、さらに本明細書に記載されていない他の代替の算出ステップの変形形態が使用されてもよいことは除外されるべきではない。

相応に、皮膚試験の例示的なアルゴリズムを使用した第１の方法について後述する。皮膚試験の分析は次の３つのステップに細分される。
（ｉ）高さセグメント化方法を使用して膨疹（みみず腫れ）を特定するステップ
（ｉｉ）膨疹（高さおよび色値）を計測するステップ
（ｉｉｉ）計測結果を評価するステップ

上述の３つのステップについて以下に説明する。これまで使用されていた解決策の問題について概説し、本発明に適した新規のソフトウェアソリューションによって、より十分により効率的に医師の診療の手順を支援する方法の選択肢を提供する。

ソフトウェアソリューションを新たに実装することによって、既存の問題を事前に防ぐことができ、アプリケーションの構造を現行の要件に最適に適応させることができる。さらに、個々の分野において最適化を実現することができるので、支援プロセス全体をより効率的にすることができると同時に、システムのユーザの所要時間を低減することができる。

（ｉ）高さセグメント化
セグメント化は、大まかに次の７つのステップに細分される。
１．高さ画像の平滑化
２．高さ画像のフィルタリング
３．濃淡値画像での高さ表示（最大の高さは白、最小の高さは黒）
４．ＣＭＹＫ画像の平均値を上回るマゼンタ値の判定および平均値を上回るマゼンタ値を有する点の高さ濃淡値画像の数値の増加
５．平均高さの算出および二値画像の作成
６．最も大きな連続隆起部の境界輪郭のトレース
７．高さ濃淡値画像の重心が、トレースされた最も大きな連続隆起部の境界輪郭を囲む矩形範囲内にあるか否かの検証

１．高さ画像の平滑化
ほとんどの場合、検出された皮膚部位（図６の元の高さ画像を参照）は湾曲部を含むので、高さ画像の大部分を平坦にすることによって、理想的な平面的な皮膚に対して次の動作を実行することができる。

そのためには、縁部の２５個の最外高さ値を各々使用して、皮膚の湾曲部ＨＫ（図７参照）に対応する曲面を算出する。

その後、新しい高さ画像が以下のようにして形成される。元の高さ画像の算出された曲面の対応値より小さい数値は算出された曲面の数値に設定される。他の全ての数値は元の数値のままである。次に、算出された曲面の対応値がそれぞれの高さ値から引かれる。このようにして、高さ画像内の皮膚の湾曲部およびより深いくぼみを形成する可能性のある皮膚の細孔が取り除かれる。皮膚の基本高さを高さ０とすることができる。この平滑化された高さ画像（元の高さ画像−算出された皮膚湾曲部）は、図８に示されている。

２．高さ画像のフィルタリング
高さ画像のより小さな収差を取り除くために、高さ画像はメディアンフィルタ（現状では、３近傍の指数を用いて操作される）を使用して平滑化される。

３．濃淡値画像での高さ表示（図９）
画像処理アルゴリズムを使用して高さ画像をさらに処理するために、高さ画像から２５６の濃淡諧調を有する濃淡値画像が算出される。最大の高さには数値２５５（白）が使用され、最小の高さには数値０（黒）が使用される。その間の高さ値は、比例的に異なる濃淡諧調に算出される。

４．平均値を上回るマゼンタ値を有する部位の高さ濃淡画像の数値の増加（図１０）
炎症を撮像する部位をより限定するために、平均値を上回る発赤の程度だけ高さ画像が強められる。そのためには、元の画像はＣＭＹＫ画像に変換されて、マゼンタチャネルが検証される。マゼンタチャネルに対応する濃淡値画像が形成され、平均マゼンタ値の所定のパーセンテージ（例えば、１２０％）に達しないマゼンタ値は全て０に設定されることになる。

その後、高さ画像の個々の点が検証され、マゼンタ画像の個々の画素と比較される。マゼンタ画像の数値が高さ画像の濃淡値画像の数値より高い場合、高さ画像の濃淡値画像の画素は、現在値の一部とマゼンタ画像の数値の一部とから新たに算出される（例えば、マゼンタ画像の数値が６０％と高さの濃淡値画像が４０％とから新しい数値が求められる）。

５．平均高さの算出および二値画像の形成（図１１）
その後、ＣＭＹＫ画像のマゼンタチャネルによって増幅された高さ画像の濃淡値画像から、輪郭の探索に必要な二値画像が算出される。その際に、平均濃淡値（係数（現状では２．０）を乗じた）が閾値として採用される。

二値画像が形成される前に、メディアンフィルタ（現在の近傍は９である）によって濃淡値画像が平滑化される。そして、二値画像が侵食され、拡張される（現状では、侵食の３回の反復と、拡張の１回の反復が実行される）。

６．最も大きな連続隆起の境界輪郭のトレース（図１２）
この二値画像では、高さ画像の平均高さ（係数を乗じた）を上回る部分が白点として表現される。その後、アルゴリズムにより、二値画像内の最も大きな表面積の白点が探索されて、領域の境界輪郭Ｋおよび輪郭Ｋを囲む境界矩形Ｔが取得される。輪郭Ｋによって囲まれた領域（炎症病巣Ｃ）は、高さ画像内で最も高い凝集性のある炎症の隆起部を表す部分、したがって探索された皮膚の腫れを捉えた部分であり、病巣周囲領域Ｕで囲まれた部分である。

７．高さ濃淡画像の重心の算出および検証（図１３）
制御手段として、高さ濃淡画像の重心が算出される（点Ｘ_Ｑ）。重心がトレースされた境界輪郭Ｋの領域内または前記輪郭Ｋを囲む矩形Ｔ内にある場合、このことによりトレースされた輪郭Ｋが確定され、ひいては支援される計測領域の位置決めが確定されることになる。

図１３に示されるように、重心が矩形Ｔ内に位置しない場合には、トレースされた隆起部が他の隆起部に比べて突出していないことが予測できる。概して、これは、腫れがない、もしくは平均値未満の腫れであることを示す試験結果を含むものとなる。

この場合、さらに、輪郭Ｋを囲む領域ではなく、支援される計測領域もしくは前記領域を囲む四角形Ｑの領域に基づいて計測が行われる。四角形Ｑの中心Ｘ_Ｑは、高さ濃淡値画像の重心で表される（四角形のサイズは各々の実際の計測領域に相当する）。

（ｉｉ）計測
皮膚の腫れの特定が完了した後に、皮膚の腫れが計測される。その際に、評価に使用される３つの特性値が判定される：
１．腫れの表面積に対する腫れの体積
２．残りの皮膚表面の粗さに対する腫れの粗さ
３．残りの皮膚の色に対する腫れの発赤

１．腫れの表面積に対する腫れの体積
腫れの基部は輪郭Ｋで囲まれた領域である。輪郭Ｋ内に位置する腫れの総体積が算出される。その際に、皮膚の平均高さを上回る高さの部分のみが計算される。

この腫れの算出された総体積は、表面積で割られる。その結果が腫れの平均高さになる。これが評価に使用される。

２．残りの皮膚表面の粗さに対する腫れの粗さ
さらに重要な腫れの特性は、腫れの粗さである。潜在的にきめの粗い正常な皮膚が計測結果に過度に影響を与えることがないように、境界輪郭を囲む矩形の内部および外部の粗さが算出される。その後、腫れの粗さ（矩形内部）から残りの皮膚の粗さ（矩形外部）を引いた数値が評価に使用されることになる。

表面の粗さを算出するのに実施される方法は、線粗さ（ＤＩＮＥＮＩＳＯ４２８８）を算出する方法に基づいた方法である。

境界パラメータとして、１０％および９０％がそれぞれ使用される。つまり、最も高い点（０％表面積材料部分）と最も低い点（１００％表面積材料部分）との間の差ではなく、１０％表面積材料部分となる平均高さと９０％表面積材料部分となる平均高さとの間の差が粗さ値として使用される。

３．残りの皮膚の色に対する腫れの発赤
高さ画像から算出された２つの計測値の他に、カラー画像から計測領域の発赤の程度が判定される。そのためには、計測部位の元のカラー画像のＣＭＹＫ表示のマゼンタチャネルが使用される。

粗さおよび平均体積の算出と同様に、この場合、輪郭によって囲まれた領域の内部の数値および外部の数値も算出される。さらに評価するために、輪郭内部の平均値から輪郭外部の平均値を引いた数値が使用される。

（ｉｉｉ）評価
計測された後、膨疹が評価され、実践で使用される４つのクラスの１つに分類される。以下の表は、クラスの一般的な主観的説明である。

膨疹の総合的評価は、計測から導出された特性値の個々の部分評価で構成される。この場合、４つのクラスの中で３つの部分評価が実行され、そのおおよその平均値が総合的評価のクラスを生成する。発赤値の重要性は、強く赤みを帯びた正常皮膚では低下するので、この状況は、評価の際に明確に考慮に入れられる。

限界値を上回る正常皮膚の皮膚発赤が検出された場合、腫れの発赤は評価に使用されなくなる。

以下の例示的な算出例は、より良く理解するのに役立つであろう。

この結果から、総合的評価は２となる（１＋２＋３の平均値は２である）。

強い皮膚発赤の算出例

発赤の分類が総合結果を２に下げることになる（３＋３＋１のおおよその平均値は２である）。限界値を上回る皮膚発赤を考慮することによって、３のクラスになる（３＋３の平均値は３である）。

図１４は、第１の方法ステップを論理的に概説した第１の方法のフローチャートである。

炎症クラスＫ_０〜Ｋ_３の一般的な範囲のみを示すのではなく、４つの具体的な計測値の例と異なるクラスに対する評価とが以下に示されている。これらは、具体的には、図２から図５に示された異なる程度もしくはクラスの炎症に関する。

（ｉ）計測
図２から図５に対して、以下の特性値が判定された：
１．炎症の平均高さ（平均体積）
２．粗さ値−基本の粗さ値（相対粗さ）
３．残りの皮膚の色に対する発赤（相対発赤値）

セグメント画像の重心Ｘ_Ｑが輪郭Ｋを囲む矩形Ｔ内にない場合、輪郭Ｋの内部もしくは外部の領域および輪郭Ｋを囲む矩形Ｔの内部もしくは外部の領域ではなく、セグメント画像の重心Ｘ_Ｑを中心として形成された四角形Ｑの内部もしくは外部の領域が計測に使用される。

１．炎症の平均高さ（平均体積）
輪郭Ｋで区切られた特定膨疹の内部の全ての計測点の高さが合計される。その際に、皮膚の平均高さを上回る高さ部分のみが計測される。この体積は、計測点の数で割られる。このようにして算出された平均体積が評価に使用される。

画像例の数値（一画素の面積は０．００３０５５９７ｍｍ^２である）：

２．粗さ値−基本の粗さ値（相対粗さ）
表面の粗さは、輪郭Ｋ内部の表面積および輪郭Ｋと矩形Ｔとの間の表面積に対して算出される。２つの粗さ値の差が評価基準となる。
画像例の数値：

３．残りの皮膚の色に対する発赤値（相対発赤値）
特定膨疹（輪郭Ｋ）の内部および外部の領域の平均発赤値は、カラー画像のマゼンタチャネルから判定される。２つの平均値の差は評価に入る。
画像例の数値：

３ａ．周囲の皮膚の発赤値
膨疹の外側の皮膚の発赤値の平均値が閾値を超える場合、相対発赤値は評価に使用されなくなる。
画像例の数値：
クラス０：６６．６８０５２３１
クラス１：６７．１５５７５７６
クラス２：１０７．７７３７３９４
クラス３：６７．２０２７１３９

（ｉｉ）評価
評価は、最初は各々の数値に対して別個に行われる。そのためには、各々の計測値に対する限界値が確定される。個々の計測値に対して現在使用されている限界値（しかしながら、医師による診察の際に別個に確定され、変更されてもよい）は以下の通りである。

さらに、周囲の皮膚に進む赤みが強すぎると見なす発赤を定義する閾値であって、残りの皮膚の色を基本にして前記発赤値が評価に使用可能であるか否かを判定する閾値がある。この閾値は、現状では、１０９．９８７７０６７５で確定される。

総合的分類値は、部分評価の（おおよその）平均的な分類値によって得られる。

次に、本発明の装置によって実行することができる皮膚炎症スコアＺの判定方法の第２の変形形態を示す。

種々の色空間および表示を分析することによって、ＣＭＹＫ着色表示のマゼンタ色空間およびＨＳＶ色空間の彩度値が人の皮膚の炎症病巣のフィルタリングおよび評価に最も適していることがわかった。画像処理の初めに、元の画像（図１５）から２つの画像が作成され、その後、ＣＭＹＫ画像とＨＳＶ画像とに変換される。

次のステップは、任意で、プラスターを除去するための画像の事前フィルタリングを含んでもよい。その際に、ＣＭＹＫ画像のマゼンタ面の確定した限界値に基づいて、各々の画素に対して、画像点がプラスターに相当するのか、皮膚に相当するのか（すなわち、閾値関数）が区別される。初期値として、限界値を１００とする。これは、画像の各々の画素を通過する際に、マゼンタ値が１００より大きいか否かが検証されるということである。マゼンタ値が１００より大きい場合、その画素値は元の画像から引き継がれ、１００以下である場合、色値は０（＝黒）に設定される。その後、さらなる処理のために十分な画像の点が残されているか、または閾値が過度に高く設定されているかが評価関数によって検証される。閾値が過度に高く設定されている場合には、確定限界値の引き下げが行われて、再度フィルタリングと検証が開始される。このプロセスは、画像からプラスターセグメントの最適なフィルタリングが実際の情報があまり失われることなく確実に行われるように、４回まで繰り返される。

その後、画像はマゼンタ色空間でフィルタリングされる。これを行うために、採用されるカメラに応じて２つの変形形態を使用することができる。第１の変形形態では、取得した全ての画素のマゼンタ平均値が算出される。その後、再び閾値関数（ｍｕｌｆａｃｔｏｒ）を使用して、画像の点が炎症に割り当てられるのか、または正常な皮膚に割り当てられるのかがループ内でフィルタリングされる。その際に、閾値は反復的に低減される。すなわち、第１のステップで所定の割合の平均マゼンタ値を上回る全ての画素が引き継がれる。第２の変形形態では、画素値自体をｍａｇｅｎｔａｖａｌｕｅ＊ｍｕｌｆａｃｔｏｒと比較するのではなく、画素の５×５画素環境の平均値が閾値と比較される。その結果得られた画像は、いずれの場合も、フィルタリングされたマゼンタ画素を含む濃淡値画像となる。次に、フィルタリング結果を最適化するために複数の画像処理ステップが実行される。画像処理ステップは、平均値フィルタ（画素雑音を除去するため、すなわち、小さい画素群がフィルタリングされる）を含む。侵食および拡張機能が、あり得るギャップをふさぐのに使われる。その後、二値画像（＝黒／白画像）に変換され、輪郭発見アルゴリズムが実行される。トレースされた輪郭は、可能性のあるセグメント化領域として、いわゆる対象領域ＲＯＩ（図１６参照）を特定することができるように段階的に検査される。これを実行するためには、輪郭が最小サイズおよび画像の所定の位置に対応する場合、最初に輪郭の緻密度（輪郭の表面積／輪郭の周囲）が算出される。緻密度が均一であるほど、炎症が予測される。この緻密度が前の輪郭の緻密度より高い場合、平均半径Ｒ（平均化した輪郭の周囲で輪郭の各々の画像の点から輪郭の重心Ｘ_Ｋまでの間隔によって得られる）が現在の輪郭に対して決定される。その結果、中心が重心に位置する円で、その半径が平均半径である円が得られ（図１７参照）、周囲の四角形は対象領域ＲＯＩとして画定される（図１８参照）。

次に、この領域で、セグメント化を評価するために平均マゼンタ値および平均彩度値が決定される。別の評価係数として、緻密度値が平均半径で割られる（フィルタリングされた領域の平均サイズが分類の重要な役割を果たすためである）。

算出の最後に、特定の閾値に対して３つの分類値が得られる。その後、閾値（ｍｕｌｆａｃｔｏｒ）が１％低減され、新たに算出が開始される。これは、第１のステップで１０回行われる。取得された数値において、これらの算出値の最大値に基づいて、次にさらに処理の最適な領域が考慮される。第１のステップで最適な結果が得られなければ、さらに１０段階で閾値が低減される。第１のステップ（事前フィルタリング、フィルタリング、対象領域の算出、図１８参照）の結果は、画素の所定の始点と所定の辺長を有する四角形となり、さらに分類値：平均マゼンタ値（セグメント化により第１のクラス値）、平均彩度値（第２のクラス値）、半径に基づく緻密度（ｋｏｍｐａｋｔＲａｄｉｕｓ、第３のクラス値）となる。

次に、四角形セグメントは、さらに処理するために、また特性値を判定するために、高さ処理アルゴリズムに送られる。高さ判定のシーケンスは、図１９から図２２に示されている。

第１のステップでは、対象領域は、ＧＦＭカメラ（各々の画像の点は絶対高さ情報を有する、図１９参照）によって撮られたショットによって作成された元の高さマップによって確定され、フィルタリングされる。このフィルタリングは、均一な表面が形成されるまで、高さマップに適用される平均値フィルタを使用して行われて、ショット全体の平均面積が得られる（図２０参照）。次に、この平均面積を使用して、高さ画像内の個々のピークの相対高さが判定されてよい。そのために、最初に元の面積から平均面積を引くことによって差分高さマップが確定される（図２１参照）。次に、画像内の残りの全て画素に対して、相対高さが加算され、平均体積が得られる（＝第１の高さクラス値、ＡｖｇＶｏｌｕｍｅ）。

次のステップで、リストの中で全てのピーク（最も高いピーク値ＧＨから始めて）が探索されて、報告される。新しいピークが残りの高さマップの最大値としてトレースされる場合、画素値が最初に再び上昇するまで、正および負のｘ方向およびｙ方向の両方で探索が継続される。こうして、頂点ピークＧから頂点領域が判定される。このようにして得られた表面は、次に高い頂点を探索できるようにマップから削除される。この手順は、ピークがこれ以上トレースされなくなるまで繰り返される。全てのトレースされたピーク値に対して高さが記憶され、この手順の終わりに、差分高さマップ内の全てのピークの平均相対高さ（＝第２のクラス値、ＡｖｇＨｅｉｇｈｔ１）を求めるために、総高さがトレースされたピーク数で割られる。

次に、さらなる処理を加速させるために、相対高さが所定の限界値（ＡｖｇＨｅｉｇｈｔ１＊ＥＺＴｈｒｅｓｈ）未満である全てのピークがフィルタリングされる。その後、第３の数値および第４の数値、すなわち、ＡｖｇＡｒｅａ２（残りのピークの平均面積）およびＳｕｍＡｒｅａ１（残りのピークの基部）が算出されてよい。最終ステップで、最大高さ値（すなわち、セグメント領域の最も高いピーク）を使用して第３の分類値を判定する。その際に、相対高さが最大高さより所定の割合だけ低い残りのピーク全てがフィルタリングされる。その後、残りの最も高いピークは、その表面積も含めて合計される。その結果、さらにＰｉｘｅｌＡｂｏｖｅＴｈｒｅｓｈｏｌｄ（この時の残りのピークの基部）、ＡｖｇＨｅｉｇｈｔ３（この時の残りの画素の平均高さ）のような分類値が得られる（図２２参照）。

明確にするために、実行されるアルゴリズムを図２３のフローチャートでも示す。

これに関して、以下の定義、結果、パラメータ、数値についてそれぞれ説明する：
・ＡｖｇＭａｇｅｎｔａ＝輪郭内部または輪郭を囲む矩形内部の画素の平均マゼンタ値
・ＡｖｇＳａｔｕｒａｔｉｏｎ＝輪郭内部または輪郭を囲む矩形内部の画素の平均彩度値
・ｋｏｍｐａｋｔＲａｄｉｕｓ＝輪郭の表面積／輪郭の周囲の輪郭の平均半径に対する割合
・ＡｖｇＶｏｌｕｍｅ＝平均値表面積より大きい数値を有する全ての点の平均高さ値（追加マップの体積）
・ＡｖｇＨｅｉｇｈｔ１＝トレースされた全てのピークの平均高さ
・ＡｖｇＡｒｅａ２＝頂点（ＲｅｌＨｅｉｇｈｔ）がＡｖｇＨｅｉｇｈｔ１＊ＥＺＴｈｒｅｓｈを上回るピークの平均面積
・ＳｕｍＡｒｅａ１＝頂点（ＲｅｌＨｅｉｇｈｔ）がＡｖｇＨｅｉｇｈｔ１＊ＥＺＴｈｒｅｓｈを上回るピークの基部（ピーク面積）
・ＡｖｇＨｅｉｇｈｔ３＝高さ値がＰｉｘｅｌＡｂｏｖｅＴｈｒｅｓｈＴｈｒｅｓｈｏｌｄ＊（最も高いピークの高さ）より大きい画素の平均高さ
・ＰｉｘｅｌＡｂｏｖｅＴｈｒｅｓｈ＝所定の閾値を超える画素数（セグメントに現れる最大高さに応じて）

最後に、判定された数値は、総合的評価および対応する分類の決定を行うために、使用されるカメラの種類に応じて組み合わされ、さまざまな組み合わせや演算の変形形態が可能であり、例えば、ＡｖｇＭａｇｅｎｔａ、ＡｖｇＳａｔｕｒａｔｉｏｎ、ｋｏｍｐａｋｔＲａｄｉｕｓ、ＡｖｇＶｏｌｕｍｅ、ＡｖｇＨｅｉｇｈｔ１、およびＰｉｘｅｌＡｂｏｖｅＴｈｒｅｓｈｏｌｄの積、またはＡｖｇＭａｇｅｎｔａ、ＡｖｇＳａｔｕｒａｔｉｏｎ、ＡｖｇＨｅｉｇｈｔ３、ＡｖｇＶｏｌｕｍｅ、ＡｖｇＡｒｅａ２、およびＳｕｍＡｒｅａ１の積も可能である。他の組み合わせも想定できる。乗算の代わりに、少なくとも部分的に数値の加算が実行されてもよい。

Ｓ１画像撮影
Ｓ２Ｋ３ＲｅｓｕｌｔＤａｔａ、４００×４００
Ｓ３ＣＭＹＫ、ＨＳＶに変換
Ｓ４高さのセグメント化
Ｓ５Ｃａｌｃ．ｉｎｆｌａｍｍａｔｉｏｎＶｏｌｕｍｅ
Ｓ６Ｃａｌｃ．ｒｅｌＶｏｌｕｍｅ
Ｓ７ＣＯＧｉｎＣｏｎｔ＝ｔｒｕｅ
Ｓ８Ｃａｌｃ．ａｖｇＭａｇ＆ａｖｇＳａｔ（輪郭）
Ｓ９Ｃａｌｃ．ｓｕｒ＿ａｖｇＭａｇ＆ｓｕｒ＿ａｖｇＳａｔ（残りの画像）
Ｓ１０Ｃａｌｃ．ｒｅｌＭａｇ＆ｒｅｌＳａｔ
Ｓ１１Ｃａｌｃ．ＳＫ値
Ｓ１２評価終了（ＳＫ値、ｒｅｌ．Ｍａｇ、ｒｅｌ．Ｖｏｌｕｍｅ）
Ｓ１３Ｃａｌｃ．ａｖｇＭａｇ＆ａｖｇＳａｔ（矩形）
Ｓ１４Ｃａｌｃ．ｓｕｒ＿ａｖｇＭａｇ＆ｓｕｒ＿ａｖｇＳａｔ（残りの画像）
Ｓ４１Ｃａｌｃ．多項式行列
Ｓ４２Ｃａｌｃ．多項式平面
Ｓ４３閾値多項式平面
Ｓ４４メディアンフィルタ、ヘアフィルタ（ＭＦＯ）
Ｓ４５高さ濃淡画像を形成
Ｓ４６マゼンタ画像をセグメント化
Ｓ４７ｓｕｒｆａｃｅｉｍｇ（Ｍａｇｉｍａｇｅ＋高さ濃淡画像）を形成
Ｓ４８メディアンフィルタ（９）
Ｓ４９ＴｒｅｓｈおよびａｖｇＨｅｉｇｈｔによって二値画像を形成
Ｓ５０侵食（２）、拡張（１）
Ｓ５１ＦｉｎｄＣｏｎｔｏｕｒｓ
Ｓ５２ＭａｘＡｒｅａＣｏｎｔｏｕｒ、ｂｏｕｎｄＲｅｃｔ、ｃｏｇ、ｍａｘａｒｅａ
Ｓ５３Ｃａｌｃ．ＣＯＧＳｕｒｆａｃｅｉｍｇ
Ｓ５４ＣＯＧ＿ｓｉｎｂｏｕｎｄＲｅｃｔ
Ｓ５５ＣＯＧｉｎＣｏｎｔ＝ｔｒｕｅ
Ｓ５６境界領域（レッド／イエロー）
Ｓ５７ＣＯＧｉｎＣｏｎｔ＝ｆａｌｓｅ
Ｔ１画像撮影
Ｔ２Ｋ３ＲｅｓｕｌｔＤａｔａ、４００×４００
Ｔ３ＣＭＹＫ、ＨＳＶに変換
Ｔ４カラーのセグメント化
Ｔ５ＲＯＩセグメントの平滑化高さマップ
Ｔ６差分高さマップ確定（ＡｖｇＶｏｌｕｍｅ）
Ｔ７差分マップの最大値（ピーク、頂点）を探索
Ｔ８ピークの境界およびサイズ（表面積）を判定（ＡｖｇＨｅｉｇｈｔ１）
Ｔ９ピーク特性をリストしてピーク全体を「削除」
Ｔ１０関連ピークをフィルタリング＝ＥＺＴｈｅｓｈ（ＡｖｇＡｒｅａ２、ＳｕｍＡｒｅａ１）
Ｔ１１閾値（ＰｉｘＡｂｏｖＴｈｒｅｓｈｏｌｄ）を使用してピーク／画素を分析（ＰｉｘｅｌＡｂｏｖｅＴｈｒｅｓｈ、ＡｖｇＨｅｉｇｈｔ３）
Ｔ１２評価終了
Ｔ４１マゼンタ画像を事前フィルタリング
Ｔ４２メディアンフィルタ（９）
Ｔ４３侵食（２）、拡張（１）
Ｔ４４二値画像を形成
Ｔ４５ＦｉｎｄＣｏｎｔｏｕｒｓ
Ｔ４６ｋｏｍｐａｋｔＲａｄｉｕｓ、ＡｖｇＭａｇ、ＡｖｇＳａｔ、ＲＯＩ
Ｔ６７ｋｏｍｐａｋｔＲａｄｉｕｓ、ＡｖｇＭａｇ、ＡｖｇＳａｔ、ＲＯＩ

皮膚表面の炎症の診断支援に関しては、まだ最初の段階にすぎない。これに関して、文献「Ｂｅｙｏｎｄｆｌａｔｗｅａｌｓ：ｖａｌｉｄａｔｉｏｎｏｆａｔｈｒｅｅ−ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｉｎｇｔｅｃｈｎｏｌｏｇｙｔｈａｔｗｉｌｌｉｍｐｒｏｖｅｓｋｉｎａｌｌｅｒｇｙｒｅｓｅａｒｃｈ」（科学雑誌「ＣｌｉｎｉｃａｌａｎｄＥｘｐｅｒｉｍｅｎｔａｌＤｅｒｍａｔｏｌｏｇｙ」Ｖｏｌ．３３、Ｎｏ．６、２００８年１１月１日（２００８−１１−０１）、７７２〜７７５頁、ＸＰ５５０３０６１７）には、皮膚表面の炎症領域または皮膚のみみず腫れのトポグラフィーの３Ｄスキャナーによる測定方法が記載されている。このようにして作成されたみみず腫れの高解像度の三次元トポグラフィー画像は、診断を行う医師に重要なさらなる手掛かりを与える。しかしながら、このシステムおよび方法には、診断結果に含まれるのは高さおよび体積の情報のみであるという不利点がある。上述の文献によれば、いわゆるプリックテストによる皮膚検査では、実際には、ほとんどの場合、診断支援ツールとしてはこの数値またはスコアで十分である。

「ＯｂｊｅｃｔｉｖｅｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｓｅｖｅｒｉｔｙｏｆＳＬＳｉｎｄｕｃｅｄｅｄｅｍａｂｙｓｔｅｒｅｏｉｍａｇｉｎｇ」（ＫｉｍＭｉｎ−Ｇｉ他著、ＪｏｕｒｎａｌｏｆＤｅｒｍａｔｏｌｏｇｉｃａｌＳｃｉｅｎｃｅ、２００４年８月ＬＮＫＤ−ＰＵＢＭＥＤ：１５２６５５２４、Ｖｏｌ．３５、Ｎｏ．２、２００４年８月（２００４−０８）、１２５〜１３１頁）から、皮膚炎症を評価する代替方法が周知である。

「ＦＯＩＴＳ（ｆａｓｔｏｐｔｉｃａｌｉｎｖｉｖｏｔｏｐｏｍｅｔｒｙｏｆｈｕｍａｎｓｋｉｎ）：ｎｅｗａｐｐｒｏａｃｈｅｓｔｏ３−Ｄｓｕｒｆａｃｅｓｔｒｕｃｔｕｒｅｓｏｆｈｕｍａｎｓｋｉｎ」（ＰｉｃｈｅＥ他著、ＢｉｏｍｅｄｉｚｉｎｉｓｃｈｅＴｅｃｈｎｉｋ．ＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ、２０００年１１月ＬＮＫＤ−ＰＵＢＭＥＤ：１１１５５５３３、Ｖｏｌ．４５、Ｎｏ．１１、２０００年１１月（２０００−１１）、３１７〜３２２頁）には、人の皮膚の表面構造の分析について記載されている。

「Ｏｐｒｉｍｉｚｉｎｇｃｏｌｏｒｒｅｐｒｏｄｕｃｔｉｏｎｏｆａｔｏｐｏｍｅｔｒｉｃｍｅａｓｕｒｅｍｅｎｔｓｙｓｔｅｍｆｏｒｍｅｄｉｃａｌａｐｐｌｉｃａｔｉｏｎｓ」（ＷｅｓｔｈａｕｓｅｒＭ他著、ＭｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ＆Ｐｈｙｓｉｃｓ、Ｂｕｔｔｅｒｗｏｒｔｈ−Ｈｅｉｎｅｍａｎｎ、ＧＢ、Ｖｏｌ．３０、Ｎｏ．８、２００８年１０月１日（２００８−１０−０１）、１０６５〜１０７０頁）には、医療用途の色表示の最適化を対象とする。

米国特許出願公開第２００４／０１３６５７９（Ａ１）号明細書に示されているように、患者の傷の赤色の着色量の管理および定量化の方法が周知であり、傷の境界を判定するために明度および／またはＲＧＢ空間の色成分の判定に基づいて評価を行う。

米国特許出願公開第２００４／０１３６５７９号明細書

文献「Ｂｅｙｏｎｄｆｌａｔｗｅａｌｓ：ｖａｌｉｄａｔｉｏｎｏｆａｔｈｒｅｅ−ｄｉｍｅｎｓｉｏｎａｌｉｍａｇｉｎｇｔｅｃｈｎｏｌｏｇｙｔｈａｔｗｉｌｌｉｍｐｒｏｖｅｓｋｉｎａｌｌｅｒｇｙｒｅｓｅａｒｃｈ」（科学雑誌「ＣｌｉｎｉｃａｌａｎｄＥｘｐｅｒｉｍｅｎｔａｌＤｅｒｍａｔｏｌｏｇｙ」Ｖｏｌ．３３、Ｎｏ．６、２００８年１１月１日（２００８−１１−０１）、７７２〜７７５頁、ＸＰ５５０３０６１７）「ＯｂｊｅｃｔｉｖｅｉｎｔｅｒｐｒｅｔａｔｉｏｎｏｆｓｅｖｅｒｉｔｙｏｆＳＬＳｉｎｄｕｃｅｄｅｄｅｍａｂｙｓｔｅｒｅｏｉｍａｇｉｎｇ」（ＫｉｍＭｉｎ−Ｇｉ他著、ＪｏｕｒｎａｌｏｆＤｅｒｍａｔｏｌｏｇｉｃａｌＳｃｉｅｎｃｅ、２００４年８月ＬＮＫＤ−ＰＵＢＭＥＤ：１５２６５５２４、Ｖｏｌ．３５、Ｎｏ．２、２００４年８月（２００４−０８）、１２５〜１３１頁）「ＦＯＩＴＳ（ｆａｓｔｏｐｔｉｃａｌｉｎｖｉｖｏｔｏｐｏｍｅｔｒｙｏｆｈｕｍａｎｓｋｉｎ）：ｎｅｗａｐｐｒｏａｃｈｅｓｔｏ３−Ｄｓｕｒｆａｃｅｓｔｒｕｃｔｕｒｅｓｏｆｈｕｍａｎｓｋｉｎ」（ＰｉｃｈｅＥ他著、ＢｉｏｍｅｄｉｚｉｎｉｓｃｈｅＴｅｃｈｎｉｋ．ＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ、２０００年１１月ＬＮＫＤ−ＰＵＢＭＥＤ：１１１５５５３３、Ｖｏｌ．４５、Ｎｏ．１１、２０００年１１月（２０００−１１）、３１７〜３２２頁）「Ｏｐｒｉｍｉｚｉｎｇｃｏｌｏｒｒｅｐｒｏｄｕｃｔｉｏｎｏｆａｔｏｐｏｍｅｔｒｉｃｍｅａｓｕｒｅｍｅｎｔｓｙｓｔｅｍｆｏｒｍｅｄｉｃａｌａｐｐｌｉｃａｔｉｏｎｓ」（ＷｅｓｔｈａｕｓｅｒＭ他著、ＭｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ＆Ｐｈｙｓｉｃｓ、Ｂｕｔｔｅｒｗｏｒｔｈ−Ｈｅｉｎｅｍａｎｎ、ＧＢ、Ｖｏｌ．３０、Ｎｏ．８、２００８年１０月１日（２００８−１０−０１）、１０６５〜１０７０頁）

皮膚の炎症を判定する、または皮膚炎症スコアもしくは数値を判定する装置は、人もしくは動物の皮膚の炎症領域の三次元画像を撮影するための光電子計測機器もしくは装置（好ましくは、３Ｄスキャナー）であって、三次元画像の領域関連値、空間値および色値を検出可能な光電子計測機器と、計測機器によって検出された領域関連値、空間値および色値から皮膚炎症スコアを算出するための処理もしくは演算ユニットと、算出された皮膚炎症スコアを表示するための表示ユニットとによって達成され、基本的には、処理ユニットは、走査三次元画像の領域関連値を、個々の画素の色値の範囲を画定することによって、および個々の画素の空間値の範囲を画定することによって、炎症病巣と炎症病巣に隣接し炎症病巣の周囲にある病巣周囲領域とに区別すること、および各々の色値はＣＭＹＫ色モデルのマゼンタ値に対応することを特徴とする。その結果、空間値のみが判定される皮膚炎症スコアもしくは数値に含まれるのではなく、さらに走査された炎症領域の領域関連値および色値も考慮に入れられる。すなわち、本発明により、診断上より有効なスコアの判定が可能となり、判定は炎症の実際の重症度により近くなる。したがって、診断を大幅に支援および改善することができ、医師は、単に、粗さ、サイズ、および発赤の主観的な評価に基づいて診断を行う必要がなくなり、記憶されている過去の計測の経験値および実際に計測され経験値と比較された値とに基づいて、より客観的な診断を行うことができるようになる。

基本的には、走査領域全体を一様に評価される炎症領域と見なすことができる。しかしながら、本発明によれば、処理ユニットは、走査される三次元画像の領域関連値を、個々の画素の色値の範囲を画定することによって、または個々の画素の空間値の範囲を画定することによって、炎症病巣と炎症病巣に隣接し炎症病巣の周囲にある領域とに区別することができる。炎症病巣と病巣周囲領域とを区別するには、当然、色値、空間値、および／または領域関連値の組み合わせを使用することもできる。ＣＭＹＫ色モデルは、いわゆる減色モデルであり、ＣＭＹＫは、シアン、マゼンタ、イエロー、およびキーを表している。

ＨＳＶ色空間は、いくつかの色モデルの色空間のことであり、色相、彩度、および明度値が適用される。

さらに、特に、光電子計測機器もしくは装置（好ましくは３Ｄスキャナー）、処理もしくは演算ユニット、および表示ユニットを備える本発明または本発明の好適な実施形態の装置を使用して実行される皮膚炎症スコアもしくは数値を判定する方法であって、光電子計測機器によって人もしくは動物の皮膚の炎症領域の三次元画像を撮影するステップと、三次元画像の領域関連値、色値および空間値を判定するステップと、算出された領域関連値、色値および空間値から皮膚炎症スコアを算出するステップと、炎症領域を炎症病巣と病巣周囲領域とに細分するステップであって、炎症病巣の領域は個々の領域関連値に割り当てられた色値および／または空間値によって病巣周囲領域から区切られるステップと、算出された皮膚炎症スコアを表示ユニットに表示するステップとを含むことを特徴とする方法に対して保護が求められる。したがって、該方法は、診断方法と考えるべきでなく、医師によって行われる診断方法に使用されるデータ検出もしくはデータ処理方法（色値、空間値、および領域関連値）と見なすべきである。

さらに好適な方法ステップは、さらに請求項１４に定義されている。これに関して、請求項１４の特徴は三次元画像を判定するステップおよび皮膚炎症スコアを算出するステップをより明確に説明および定義するものであることに留意されたい。

強い皮膚発赤の算出例

算出の最後に、特定の閾値に対して３つの分類値が得られる。その後、閾値（ｍｕｌｆａｃｔｏｒ）が１％低減され、新たに算出が開始される。これは、第１のステップで１０回行われる。取得された数値において、これらの算出値の最大値に基づいて、次にさらに処理の最適な領域が考慮される。第１のステップで最適な結果が得られなければ、さらに１０段階で閾値が低減される。第１のステップ（事前フィルタリング、フィルタリング、対象領域の算出、図１８参照）の結果は、画素の所定の始点と所定の辺長を有する四角形となり、さらに分類値：平均マゼンタ値（第１のセグメント化によりクラス値）、平均彩度値（第２のクラス値）、半径に基づく緻密度（ｋｏｍｐａｋｔＲａｄｉｕｓ、第３のクラス値）となる。

Claims

皮膚炎症スコアまたは数値（Ｚ）を判定する装置であって、
人もしくは動物の皮膚（Ｈ）の炎症領域（Ｅ）の三次元画像（Ｂ）を撮影するための光電子計測機器もしくは装置（好ましくは、３Ｄスキャナー）（１）であって、三次元画像（Ｂ）の領域関連値（Ａ）、空間値（Ｖ）および色値（Ｆ）を検出可能な光電子計測機器（１）と、
計測機器（１）によって検出された領域関連値（Ａ）、空間値（Ｖ）および色値（Ｆ）から皮膚炎症スコア（Ｚ）を算出するための処理もしくは演算ユニット（２）と、
算出された皮膚炎症スコア（Ｚ）を表示するための表示ユニット（３）と
を備える装置。
炎症領域（Ｅ）の走査三次元画像（Ｂ）が、三次元座標系（４）に格子状に配置された多数の画素（Ｐ）から成り、各々の領域関連値（Ａ）は座標系（４）の中の一意の１画素に対応することを特徴とする、請求項１に記載の装置。
好ましくは１つの色値（Ｆ）および好ましくは１つの空間値（Ｖ）がともに、光電子計測機器（１）によって走査された三次元画像（Ｂ）の各々の領域関連値（Ａ）に割り当て可能であることを特徴とする、請求項１または請求項２に記載の装置。
各々の色値（Ｆ）が、ＣＭＹＫ色モデルのマゼンタ値、濃淡値、またはＨＳＶ色空間の彩度値に対応することを特徴とする、請求項１から請求項３のうちのいずれか一項に記載の装置。
各々の空間値（Ｖ）が、三次元座標系（４）内の各々の画素（Ｐ）の高さ値に対応することを特徴とする、請求項３または請求項４に記載の装置。
走査三次元画像の領域関連値（Ａ）が、処理ユニットによって、好ましくは、個々の画素（Ｐ）の色値（Ｆ）の範囲を画定することによって、または個々の画素（Ｐ）の空間値（Ｖ）の範囲を画定することによって、炎症病巣（Ｃ）と炎症病巣（Ｃ）に隣接し炎症病巣の周囲にある病巣周囲領域（Ｕ）とに区別可能であることを特徴とする、請求項１から請求項５のうちのいずれか一項に記載の装置。
炎症病巣（Ｃ）相対総色値（ＦＷ）が、炎症病巣（Ｕ）の平均色値（Ｆ）と病巣周囲領域（Ｕ）の平均色値（Ｆ）とを比較することによって判定可能であることを特徴とする、請求項６に記載の装置。
炎症病巣（Ｃ）の絶対総体積値（ＶＷ_Ｖ）が、炎症病巣（Ｃ）の空間値（Ｖ）から判定可能であることを特徴とする、請求項６または請求項７に記載の装置。
炎症病巣（Ｃ）の相対総体積値（ＶＷ_Ｒ）が、炎症病巣（Ｃ）の平均空間値（Ｖ）と病巣周囲領域（Ｕ）の平均空間値（Ｖ）とを比較することによって判定可能であることを特徴とする、請求項６から請求項８のうちのいずれか一項に記載の装置。
相対総体積値（ＶＷ_Ｒ）が、病巣周囲領域（Ｕ）の表面粗さに対する炎症病巣（Ｃ）の表面粗さの比較値であることを特徴とする、請求項９に記載の装置。
領域関連値（Ａ）が、炎症病巣の周囲に相当する周囲値に対応し、および／または領域関連値（Ａ）は、炎症病巣（Ｃ）の表面積を示す面積値に対応することを特徴とする、請求項１から請求項１０のうちのいずれか一項に記載の装置。
領域関連値（Ａ）が、面積値と周囲値の関数として生成され、面積値に対する周囲値の比を示す緻密度値に対応することを特徴とする、請求項１１に記載の装置。
相対総体積値（ＶＷ_Ｒ）が、炎症病巣（Ｃ）の全ての隆起部（Ｇ）の平均の高さを示す平均高さ値および／または最も高い隆起部（Ｇ）の表面積を示す最大高さ面積値に対応し、最も高い隆起部（Ｇ）は、最高位の隆起部（ＧＨ）の高さの少なくとも７０％、好ましくは、少なくとも８５％の高さの隆起部であることを特徴とする、請求項１から請求項１２のうちのいずれか一項に記載の装置。
特に、光電子計測機器もしくは装置（好ましくは３Ｄスキャナー）（１）、処理もしくは演算ユニット（２）、および表示ユニット（３）を備える請求項１から請求項１３のうちのいずれか一項に記載の装置を使用して実行される三次元画像を評価する方法であって、
光電子計測機器（１）によって人もしくは動物の皮膚（Ｈ）の炎症領域（Ｅ）の三次元画像（Ｂ）を撮影するステップと、
三次元画像（Ｂ）の領域関連値（Ａ）、色値（Ｆ）および空間値（Ｖ）を判定するステップと、
算出された領域関連値（Ａ）、色値（Ｆ）および空間値（Ｖ）から皮膚炎症スコアもしくは数値（Ｚ）を算出するステップと、
算出された皮膚炎症スコア（Ｚ）を表示ユニット（３）に表示するステップと
を含むことを特徴とする、方法。
走査画像（Ｂ）の表面の判定された色値（Ｆ）および空間値（Ｖ）の各々を、格子状に配置された多数の画素（Ｐ）から成る三次元画像（Ｂ）の領域関連値（Ａ）を表す画素（Ｐ）に割り当てるステップと、
炎症領域（Ｅ）を炎症病巣（Ｃ）と病巣周囲領域（Ｕ）とに細分するステップであって、炎症病巣（Ｃ）の領域は個々の領域関連値（Ａ）に割り当てられた色値（Ｆ）および／または空間値（Ａ）によって病巣周囲領域（Ｕ）の領域から区切られるステップと、
炎症病巣（Ｃ）の平均色値（Ｆ）、好ましくは平均マゼンタ値に対応する絶対総色値（ＦＷ）、または病巣周囲値（Ｕ）の平均色値（Ｆ）に対する炎症病巣（Ｃ）の平均色値（Ｆ）に対応する相対総色値（ＦＷ）のいずれかを算出するステップと
炎症病巣（Ｃ）の個々の空間値（Ｖ）の合計に対応する絶対総体積値（ＶＷ_Ｖ）および／または炎症病巣（Ｃ）の個々の空間値（Ｖ）を病巣周囲領域（Ｕ）の個々の空間値（Ｖ）と比較することで求められる相対総体積値（ＶＷ_Ｒ）、好ましくは粗さ値を算出するステップと、
皮膚炎症スコア（Ｚ）を算出するステップであって、
（ａ）算出された総色値（ＦＷ）の少なくとも１つおよび算出された総体積値（ＶＷ_Ｖ、ＶＷ_Ｒ）の少なくとも１つから、または
（ｂ）算出された総色値（ＦＷ）の少なくとも１つを所定の炎症クラス（Ｋ_０、Ｋ_１、Ｋ_２、Ｋ_３）に割り当て、算出された総体積値（ＶＷ_Ｖ、ＶＷ_Ｒ）の少なくとも１つ、好ましくは複数を所定の炎症クラス（Ｋ_０、Ｋ_１、Ｋ_２、Ｋ_３）に割り当てて、前記割り当てによって判定された炎症クラスから平均値を求めることによって、
算出するステップと、
好ましくは、おおよその平均値を前記皮膚炎症スコア（Ｚ）として出力するステップと
をさらに含むことを特徴とする、請求項１４に記載の方法。