TW201825040A - 傷口狀態分析方法與系統 - Google Patents

傷口狀態分析方法與系統 Download PDF

Info

Publication number
TW201825040A
TW201825040A TW106101003A TW106101003A TW201825040A TW 201825040 A TW201825040 A TW 201825040A TW 106101003 A TW106101003 A TW 106101003A TW 106101003 A TW106101003 A TW 106101003A TW 201825040 A TW201825040 A TW 201825040A
Authority
TW
Taiwan
Prior art keywords
wound
image
infrared light
area
light image
Prior art date
Application number
TW106101003A
Other languages
English (en)
Other versions
TWI617281B (zh
Inventor
蔣岳珉
黎和欣
駱易非
葉怡汝
吳俐穎
Original Assignee
財團法人工業技術研究院
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 財團法人工業技術研究院 filed Critical 財團法人工業技術研究院
Priority to TW106101003A priority Critical patent/TWI617281B/zh
Priority to CN201710145298.9A priority patent/CN108294728B/zh
Priority to US15/625,632 priority patent/US10083508B2/en
Application granted granted Critical
Publication of TWI617281B publication Critical patent/TWI617281B/zh
Publication of TW201825040A publication Critical patent/TW201825040A/zh

Links

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
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • 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
    • A61B5/004—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 adapted for image acquisition of a particular organ or body part
    • 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
    • A61B5/0062—Arrangements for scanning
    • A61B5/0064—Body surface scanning
    • 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
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
    • A61B5/0086—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters using infrared radiation
    • 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
    • A61B5/445—Evaluating skin irritation or skin trauma, e.g. rash, eczema, wound, bed sore
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06E—OPTICAL COMPUTING DEVICES; COMPUTING DEVICES USING OTHER RADIATIONS WITH SIMILAR PROPERTIES
    • G06E1/00—Devices for processing exclusively digital data
    • G06E1/02—Devices for processing exclusively digital data operating upon the order or content of the data handled
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • 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
    • G06T2207/10048—Infrared 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Dermatology (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

一種傷口狀態分析系統，包括影像取得裝置以及影像分析裝置。影像取得裝置用以取得多張在不同時間點對使用者身上包括欲觀察傷口的一身體部位所擷取之紅外光影像，該些紅外光影像包括在第一時間被擷取之第一紅外光影像以及在第二時間被擷取之第二紅外光影像，該第一紅外光影像包括該身體部位的第一血管圖樣，該第二紅外光影像包括該身體部位的第二血管圖樣。影像分析裝置耦接該影像取得裝置，並包括傷口偵測模組、影像資訊校準模組以及傷口分析模組。傷口偵測模組用以自該第一紅外光影像偵測對應欲觀察傷口的第一傷口區域，並自該第二紅外光影像偵測對應欲觀察傷口的第二傷口區域。影像資訊校準模組用以辨識該第一紅外光影像中該第一傷口區域以外區域之特徵點以取得第一特徵組，辨識該第二紅外光影像中該第二傷口區域以外區域之特徵點以取得第二特徵組，依據該第一特徵組和該第二特徵組產生校準資訊，並利用該校準資訊將該第二紅外光影像對齊至該第一紅外光影像，以產生校準後影像。傷口分析模組用 以自該校準後影像辨識對應欲觀察傷口的第三傷口區域，並比對該第三傷口區域及該第一傷口區域，以取得傷口狀態變化資訊。

Description

傷口狀態分析方法與系統
本發明是有關於一種傷口狀態分析方法與系統。
病人住院期間身上會有許多不同的傷口，例如意外產生的燒、燙傷、手術傷口、壓瘡等，醫護人員在進行傷口照護的時候，往往是透過肉眼觀察，並透過文字記錄並描述傷口狀況。目前傷口狀態識別包括運用可攜帶式壓瘡分級辨識圖卡，以輔助醫護人員肉眼辨識傷口的壓瘡等級。
然而，透過肉眼辨識傷口可能有誤判的疑慮，且傷口狀態的紀錄也可能因照護人員的主觀認定而造成失真。因此，有需要提出一種可輔助記錄並分析傷口變化狀態之工具，以提供客觀的記錄資料，節省照護人員間的溝通時間與減少認知差異，進而提升照護品質。
本發明係有關於一種傷口狀態分析方法與系統，透過分析多張在不同時間取得的傷口部位紅外光影像，辨識血管分佈並進行影像對齊，以產生傷口部位的狀態變化資訊。
根據本發明之一實施例，提出一種傷口狀態分析系統，包括影像取得裝置以及影像分析裝置。影像取得裝置用以取得多張在不同時間點對使用者身上包括欲觀察傷口的一身體部位所擷取之紅外光影像，該些紅外光影像包括在第一時間被擷取之第一紅外光影像以及在第二時間被擷取之第二紅外光影像，該第一紅外光影像包括該身體部位的第一血管圖樣，該第二紅外光影像包括該身體部位的第二血管圖樣。影像分析裝置耦接該影像取得裝置，並包括傷口偵測模組、影像資訊校準模組以及傷口分析模組。傷口偵測模組用以自該第一紅外光影像偵測對應欲觀察傷口的第一傷口區域，並自該第二紅外光影像偵測對應欲觀察傷口的第二傷口區域。影像資訊校準模組用以辨識該第一紅外光影像中該第一傷口區域以外區域之特徵點以取得第一特徵組，辨識該第二紅外光影像中該第二傷口區域以外區域之特徵點以取得第二特徵組，依據該第一特徵組和該第二特徵組產生校準資訊，並利用該校準資訊將該第二紅外光影像對齊至該第一紅外光影像，以產生校準後影像。傷口分析模組用以自該校準後影像辨識對應欲觀察傷口的第三傷口區域，並比對該第三傷口區域及該第一傷口區域，以取得傷口狀態變化資訊。
根據本發明之一實施例，提出一種傷口狀態分析方法，其包括步驟如下：取得多張在不同時間點對使用者身上包括欲觀察傷口的一身體部位所擷取之紅外光影像，該些紅外光影像包括在第一時間被擷取之第一紅外光影像以及在第二時間被擷 取之第二紅外光影像，第一紅外光影像包括該身體部位的第一血管圖樣，第二紅外光影像包括該身體部位的第二血管圖樣；分別自第一紅外光影像以及第二紅外光影像偵測對應欲觀察傷口的第一傷口區域和第二傷口區域；辨識第一紅外光影像中第一傷口區域以外區域之特徵點以取得一第一特徵組，並辨識第二紅外光影像中第二傷口區域以外區域之特徵點以取得第二特徵組；依據第一特徵組和第二特徵組產生校準資訊，並利用校準資訊將第二紅外光影像對齊至第一紅外光影像，以產生校準後影像；自校準後影像辨識對應欲觀察傷口的第三傷口區域，並比對第三傷口區域及第一傷口區域，以取得傷口狀態變化資訊。
為了對本發明之上述及其他方面有更佳的瞭解，下文特舉較佳實施例，並配合所附圖式，作詳細說明如下：
100‧‧‧傷口狀態分析系統
102‧‧‧影像取得裝置
104‧‧‧影像分析裝置
106‧‧‧紅外光源
202、204、206、208、210‧‧‧步驟
302、304、306、402、502、504、506‧‧‧紅外光影像
404、406‧‧‧處理後影像
5020、5040、5060‧‧‧血管圖樣
5022、5042、5062‧‧‧最大可視範圍
408、5024、5044、5064‧‧‧傷口區域
P1~P6、P1’~P5’、P1”~P5”‧‧‧特徵點
D1、D2、D2’‧‧‧主軸線
第1圖繪示依據本發明一實施例之傷口狀態分析系統之方塊示意圖。
第2圖繪示依據本發明一實施例之傷口狀態分析方法之流程示意圖。
第3圖繪示影像取得裝置所取得的多張紅外光影像之示意圖。
第4圖繪示傷口偵測模組自紅外光影像中偵測傷口區域之示意圖。
第5圖繪示影像資訊校準模組對齊多張紅外光影像之示意圖。
第6圖繪示疊合對齊後之多張紅外光影像以取得傷口狀態變化資訊之示意圖。
在本文中，參照所附圖式仔細地描述本揭露的一些實施例，但不是所有實施例都有表示在圖示中。實際上，這些揭露可使用多種不同的變形，且並不限於本文中的實施例。相對的，本揭露提供這些實施例以滿足應用的法定要求。圖式中相同的參考符號用來表示相同或相似的元件。
第1圖繪示依據本發明一實施例之傷口狀態分析系統100之方塊示意圖。傷口狀態分析系統100包括影像取得裝置102以及影像分析裝置104。
影像取得裝置102可以是任何具備紅外光攝像功能的電子裝置，例如紅外光攝像機。影像取得裝置102可對目標物進行拍攝，以擷取目標物的紅外光影像。目標物例如是使用者身上具有欲觀察傷口的一身體部位。基於紅外光可顯影皮膚下血管分佈的特性，身體部位的紅外光影像將包括血管分佈圖樣。
影像分析裝置104耦接影像取得裝置102，並包括傷口偵測模組1042、影像資訊校準模組1044以及傷口分析模組1046。
影像分析裝置104可例如以中央處理單元(Central Processing Unit,CPU)、微處理器、特定應用積體電路(Application-Specific Integrated Circuit,ASIC)等具備資料處理能力的電子電路來實現。傷口偵測模組1042、影像資訊校準模組1044以及傷口分析模組1046可透過硬體(例如邏輯電路)、軟體(例如程式指令)或其組合來實現。
影像分析裝置104可對多張在不同時間點拍攝的身體部位紅外光影像執行一連串的影像處理程序，以偵測傷口區域，辨識血管分部，並進行影像對齊(Image Alignment)，進而取得傷口狀態變化資訊(例如傷口面積變化)。在一實施例中，影像分析裝置104可將傷口狀態變化資訊以文字、圖形或其結合呈現於圖形化使用者介面(Graphical User Interface,GUI)。
傷口狀態分析系統100更可包括紅外光源106。紅外光源106可對使用者之身體部位投射紅外光，以加強血管特徵的顯影。舉例來說，若欲觀察的傷口是位在脂肪較厚的身體部位，像是臀、背部的傷口，單憑影像取得裝置102的光源可能不足使被拍攝身體部位的血管分佈清楚呈現於紅外光影像，此時即可利用紅外光源106來補強對該身體部位的血管分佈顯影。在一實施例中，紅外光源106的波段例如是500至1300奈米。
第2圖繪示依據本發明一實施例之傷口狀態分析方法之流程示意圖。所述之傷口狀態分析方法適用於第1圖之傷口狀態分析系統100。
在步驟202，影像取得裝置102取得多張在不同時 間點對使用者身上包括欲觀察傷口的一身體部位所擷取之紅外光影像。
該些紅外光影像例如包括在第一時間被擷取之第一紅外光影像以及在第二時間被擷取之第二紅外光影像。基於紅外光可顯影皮膚下血管分佈的特性，第一紅外光影像例如包括被拍攝身體部位的第一血管圖樣，第二紅外光影像例如包括被拍攝身體部位的第二血管圖樣。
在一實施例中，該些紅外光影像中的一者係被選作一參考影像(如第一紅外光影像)，而其他紅外光影像(如第二紅外光影像)將被對齊至該參考影像，以利比對不同時期取得的傷口圖樣。
在一實施例中，作為參考影像的第一紅外光影像係拍攝自傷口部位正上方(Top-View)的紅外光影像。本發明並不限制參考影像與其他紅外光影像之間的拍攝時間先後順序。舉例來說，拍攝取得第一紅外光影像的第一時間可晚於拍攝取得第二紅外光影像的第二時間；或者，拍攝取得第一紅外光影像的第一時間可早於拍攝取得第二紅外光影像的第二時間。
在步驟204，傷口偵測模組1042自第一紅外光影像偵測對應欲觀察傷口的第一傷口區域，並自第二紅外光影像偵測對應欲觀察傷口第二傷口區域。
一般而言，傷口復原通常會經過發炎期、增生期、成熟期等過程，期間伴隨著溫度的變化。對紅外光影像而言，不 同的溫度係對應不同的特徵數值(例如灰階值、像素的亮度值等)。因此，傷口偵測模組1042可透過偵測紅外光影像中傷口部位與周圍皮膚之間所呈現的特徵數值差異，切割出完整的傷口範圍邊界。
在一實施例中，傷口偵測模組1042可對第一紅外光影像以及第二紅外光影像執行閥值化(Thresholding)處理(如分水嶺閥值化處理)及/或邊緣偵測處理，以分別自第一紅外光影像和第二紅外光影像偵測出對應欲觀察傷口的第一傷口區域以及第二傷口區域。
在一實施例中，傷口偵測模組1042可先對紅外光影像進行影像強化處理，以強化傷口周圍的血管分佈圖樣。所述之影像強化處理例如包括亮度平均法、邊緣銳利化等電腦圖學演算法。
在步驟206，影像資訊校準模組1044辨識第一紅外光影像中第一傷口區域以外區域之特徵點以取得第一特徵組，並辨識第二紅外光影像中第二傷口區以外區域之特徵點以取得第二特徵組。
其中，可透過尺度不變特徵轉換(Scale Invariant Feature Transform,SIFT)演算法、加速強健特徵(Speeded-Up Robust Features,SURF)演算法等影像特徵萃取技術來取得所述之第一特徵組和第二特徵組。
第一特徵組例如包括該第一血管圖樣的至少一血管 分佈特徵點，第二特徵組例如包括該第二血管圖樣的至少一血管分佈特徵點。在一實施例中，影像資訊校準模組1044可基於邊緣值偵測及相連邊緣之梯度偵測等電腦圖學方法，自血管分布圖樣中取得血管位置及聯通狀況，並將不具代表性之血管特徵濾除，進而萃取出血管分佈特徵。
由於非傷口區域的血管分佈不像傷口區域會隨時間產生明顯變化，故第一特徵組和第二特徵組可作為後續將第二紅外光影像對齊至第一紅外光影像的參考點。
在步驟208，影像資訊校準模組1044依據第一特徵組和第二特徵組產生校準資訊，並利用該校準資訊將第二紅外光影像對齊至第一紅外光影像，以產生校準後影像。
舉例來說，倘若第一特徵組中的多個第一特徵點與第二特徵組中的多個第二特徵點一一對應，影像資訊校準模組1044將分析涵蓋該些第一特徵點的第一區域(最大可視區域)與涵蓋該些第二特徵點的第二區域(最大可視區域)之間的主軸線(Principle Axis)偏斜差異，以產生校準資訊，並依據校準資訊將第二區域的主軸線對齊至第一區域的主軸線，以將第二紅外光影像轉換成校準後影像。
在一實施例中，影像資訊校準模組1044可先基於尺度不變特徵轉換(SIFT)演算法或加速穩健特徵(SURF)演算法等影像對齊技術找出不同紅外光影像中彼此對應的特徵點。接著，影像資訊校準模組1044可依據該些對應特徵點的座標計算一對應 矩陣，如海森矩陣(Hessian Matrix)，該矩陣係藉由二階偏導數組成的方塊矩陣實施多變量實值座標位置之對應關係。
經由對應矩陣之估算，影像資訊校準模組1044可計算出決定兩兩紅外光影像間之旋轉及縮放關係之對應主軸線，並透過如仿射(Affine)之對應方式，將多張紅外光影像之主軸線校正為同一定位方向(Orientation)，以完成影像對齊，使一或多張紅外光影像調整至參考影像的視角。
在步驟210，傷口分析模組1046自校準後影像辨識對應欲觀察傷口的第三傷口區域，並比對第三傷口區域及第一傷口區域，以取得傷口狀態變化資訊。
由於紅外光攝影之成像原理屬於時差測距(Time of Flight,TOF)類型，故傷口分析模組1046可藉由分析紅外光影像中像素間的特徵數值差異(如像素間的亮度值差異)估算影像中任兩點像素之距離關係，更可藉由三點測量法得知任意兩點座標之實際距離。因此，在取得拍攝自傷口正上方的紅外光影像之後，即可建立一基準的尺寸比例，以對其他時點拍攝取得的紅外光影像作虛實(Virtual Reality,VR)尺寸估算。
在一實施例中，傷口分析模組1046會計算第一傷口區域中像素間的特徵數值差異，以取得第一傷口區域的面積大小，並以第一傷口區域作為基準，比對第一傷口區域和第三傷口區域以推算出第三傷口區域的面積大小。
第3圖繪示影像取得裝置102所取得的多張紅外光 影像之示意圖。在第3圖的例子中，影像取得裝置102在不同時間點對手部傷口(以斜線區域表示)進行拍攝，以依序取得的紅外光影像302、304及306。由於是透過紅外光進行拍攝，故紅外光影像302、304及306中的手部影像更包括血管分佈圖樣(以粗曲線表示)。
若紅外光影像302被選作參考影像(第一紅外光影像)，則影像分析裝置104會將其餘的紅外光影像304、306對齊至紅外光影像302以進行傷口比對。同理，若紅外光影像304被選作參考影像，則影像分析裝置104會將其餘的紅外光影像302、306對齊至紅外光影像304以進行傷口比對，以此類推。在一實施例中，可選擇拍攝自該傷口部位正上方的紅外光影像作為參考影像。
第4圖繪示傷口偵測模組1042自紅外光影像中偵測傷口區域之示意圖。如第4圖所示，首先，傷口偵測模組1042會對傷口部位的紅外光影像402進行閥值化處理，以自紅外光影像402區分出傷口部位和其他非傷口部位，如影像404所示。
接著，傷口偵測模組1042對影像404作邊緣偵測及雜訊濾除處理以產生影像406，並從中取得傷口區域408。傷口偵測模組1042可對傷口區域408進行標記，以將其排除於後續影像資訊校準模組1044所執行的影像特徵萃取程序。
第5圖繪示影像資訊校準模組1044對齊多張紅外光影像之示意圖。
在第5圖的例子中，紅外光影像502(第一紅外光影像)係作為參考影像，影像資訊校準模組1044將紅外光影像504(第二紅外光影像)對齊至紅外光影像502以產生紅外光影像506(校準後影像)。
紅外光影像502包括血管圖樣5020(第一血管圖樣)以及對應一手部傷口的傷口區域5024(第一傷口區域)。
在此例中，影像資訊校準模組1044可自紅外光影像502偵測出一或多個特徵點P1~P6(第一特徵組)。特徵點P1~P6係包括一或多個取自血管分佈5020的血管分佈特徵點(如特徵點P1~P4)。
相較於紅外光影像502，紅外光影像504是在另一時間點拍攝取得(之前或之後)，當中包括血管圖樣5040(第二血管圖樣)以及對應同一手部傷口的傷口區域5044(第二傷口區域)。
影像資訊校準模組1044可自紅外光影像504偵測出一或多個特徵點P1’~P5’(第二特徵組)。特徵點P1’~P5’係包括一或多個取自血管分佈5040的血管分佈特徵點(如特徵點P1’~P4’)。
如前述，影像資訊校準模組1044可基於SIFT、SURF等演算法找出紅外光影像502和504中彼此相對應的特徵點。所謂彼此相對應的特徵點，指的是表示同一實體目標的多個特徵點。
以第5圖為例，紅外光影像502中的特徵點 P1~P5(第一特徵點)係與紅外光影像504中的特徵點P1’~P5’(第二特徵點)一一對應，特徵點P6則無相對應的特徵點。基於彼此相對應的特徵點，影像資訊校準模組1044將建立涵蓋特徵點P1~P5的最大可視範圍5022(第一區域)以及涵蓋特徵點P1’~P5’的最大可視範圍5042(第二區域)。
最大可視範圍5022和最大可視範圍5042分別具有主軸線D1和D2。由於紅外光影像502和504對應不同的取像角度、距離，故主軸間D1和D2之間會有偏斜差異。影像資訊校準模組1044可基於此偏斜差異計算出校準資訊，例如影像的旋轉角度、偏移量、縮放程度等，以利用校準資訊將紅外光影像504轉換成紅外光影像506(校準後影像)。
如第5圖所示，紅外光影像506包括校準後的血管圖樣5060以及傷口區域5064(第三傷口區域)。紅外光影像506中的特徵點P1”~P5”是特徵點P1’~P5’經過座標轉換而來，其中涵蓋特徵點P1”~P5”的最大可視範圍5062的主軸線D2’係對齊至主軸線D1，使最大可視範圍5062的大小、位置與紅外光影像502的最大可視範圍5022一致，藉此完成多張紅外光影像間的對齊。
需注意的是，第5圖中各最大可視範圍5022、5042、5062雖皆以矩形表示，但本揭露並不以此為限。在一些應用中，最大可視範圍的形狀、大小可視特徵點的分佈而定。此外，最大可視範圍的主軸線亦可是多條，以最大可視範圍5022為例，亦可將矩形範圍的兩對角軸線定義為主軸線。
第6圖繪示疊合對齊後之多張紅外光影像以取得傷口狀態變化資訊之示意圖。以第6圖為例，虛線部分對應第5圖之紅外光影像502，實線部分對應第5圖之紅外光影像506。傷口分析模組1046可比較紅外光影像502的傷口區域5024以及紅外光影像506的傷口區域5026，以評估手部傷口面積隨時間的變化。傷口分析模組1046亦可將紅外光影像502與紅外光影像506的疊合結果顯示於使用者介面，以供觀察者進行傷口狀態的評估。
綜上所述，本發明提出之各傷口狀態分析方法與系統實施例，可藉由分析多張在不同時間取得的傷口部位紅外光影像，辨識血管分佈並進行影像對齊，以取得傷口部位的狀態變化資訊。透過此方式，可不需額外使用基準物(如比例尺圖卡)即可自動估算出傷口面積，且不同時期拍攝的紅外光影像可自動對齊至一參考影像，而可不需限制使用者每次拍攝傷口時需以特定角度、距離進行拍攝。影像對齊後的結果不僅方便觀察傷口的變化歷程，亦可有效改善傷口面積估算的正確性。
雖然本發明已以各實施例揭露如上，然其並非用以限定本發明。本發明所屬技術領域中具有通常知識者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾。因此，本發明之保護範圍當視後附之申請專利範圍所界定者為準。

Claims (15)

  1. 一種傷口狀態分析系統，包括：一影像取得裝置，用以取得多張在不同時間點對一使用者身上包括一欲觀察傷口的一身體部位所擷取之紅外光影像，該些紅外光影像包括在一第一時間被擷取之一第一紅外光影像以及在一第二時間被擷取之一第二紅外光影像，該第一紅外光影像包括該身體部位的一第一血管圖樣，該第二紅外光影像包括該身體部位的一第二血管圖樣；以及一影像分析裝置，耦接該影像取得裝置，包括：一傷口偵測模組，用以自該第一紅外光影像偵測對應該欲觀察傷口的一第一傷口區域，並自該第二紅外光影像偵測對應該欲觀察傷口一第二傷口區域；一影像資訊校準模組，用以辨識該第一紅外光影像中該第一傷口區域以外區域之特徵點以取得一第一特徵組，辨識該第二紅外光影像中該第二傷口區域以外區域之特徵點以取得一第二特徵組，依據該第一特徵組和該第二特徵組產生一校準資訊，並利用該校準資訊將該第二紅外光影像對齊至該第一紅外光影像，以產生一校準後影像；以及一傷口分析模組，用以自該校準後影像辨識對應該欲觀察傷口的一第三傷口區域，並比對該第三傷口區域及該第一傷口區域，以取得一傷口狀態變化資訊。
  2. 如申請專利範圍第1項所述之傷口狀態分析系統，其中該 傷口偵測模組對該第一紅外光影像以及該第二紅外光影像執行一閥值化(Thresholding)處理及/或一邊緣偵測處理，以分別自該第一紅外光影像和該第二紅外光影像偵測出對應該欲觀察傷口的該第一傷口區域以及該第二傷口區域。
  3. 如申請專利範圍第1項所述之傷口狀態分析系統，其中該第一特徵組包括該第一血管圖樣的至少一血管分佈特徵點，該第二特徵組包括該第二血管圖樣的至少一血管分佈特徵點。
  4. 如申請專利範圍第1項所述之傷口狀態分析系統，其中該第一特徵組中的多個第一特徵點與該第二特徵組中的多個第二特徵點一一對應，該影像資訊校準模組分析涵蓋該些第一特徵點的一第一區域以及涵蓋該些第二特徵點的一第二區域之間的主軸線(Principle Axis)偏斜差異，以產生該校準資訊。
  5. 如申請專利範圍第4項所述之傷口狀態分析系統，其中該影像資訊校準模組依據該校準資訊將該第二區域的主軸線對齊至該第一區域的主軸線，以將該第二紅外光影像轉換成該校準後影像。
  6. 如申請專利範圍第1項所述之傷口狀態分析系統，其中該傷口分析模組計算該第一傷口區域中像素間的特徵數值差異，以取得該第一傷口區域的面積大小，並以該第一傷口區域作為基準，比對該第一傷口區域和該第三傷口區域以推算該第三傷口區域的面積大小。
  7. 如申請專利範圍第1項所述之傷口狀態分析系統，其中該 第一時間異於該第二時間。
  8. 如申請專利範圍第1項所述之傷口狀態分析系統，更包括：一紅外光源，用以對該使用者之該身體部位投射一紅外光。
  9. 如申請專利範圍第1項所述之傷口狀態分析系統，其中該第一紅外光影像係一拍攝自該傷口部位正上方(Top-View)的紅外光影像。
  10. 一種傷口狀態分析方法，包括：取得多張在不同時間點對一使用者身上包括一欲觀察傷口的一身體部位所擷取之紅外光影像，該些紅外光影像包括在一第一時間被擷取之一第一紅外光影像以及在一第二時間被擷取之一第二紅外光影像，該第一紅外光影像包括該身體部位的一第一血管圖樣，該第二紅外光影像包括該身體部位的一第二血管圖樣；分別自該第一紅外光影像以及該第二紅外光影像偵測對應該欲觀察傷口的一第一傷口區域和一第二傷口區域；辨識該第一紅外光影像中該第一傷口區域以外區域之特徵點以取得一第一特徵組，並辨識該第二紅外光影像中該第二傷口區域以外區域之特徵點以取得一第二特徵組；依據該第一特徵組和該第二特徵組產生一校準資訊，並利用該校準資訊將該第二紅外光影像對齊至該第一紅外光影像，以產生一校準後影像；以及 自該校準後影像辨識對應該欲觀察傷口的一第三傷口區域，並比對該第三傷口區域及該第一傷口區域，以取得一傷口狀態變化資訊。
  11. 如申請專利範圍第10項所述之傷口狀態分析方法，更包括：對該第一紅外光影像以及該第二紅外光影像執行一閥值化(Thresholding)處理及/或一邊緣偵測處理，以分別自該第一紅外光影像和該第二紅外光影像偵測出對應該欲觀察傷口的該第一傷口區域以及該第二傷口區域；以及標記該第一傷口區域以及該第二傷口區域，以排除該第一傷口區域以及該第二傷口區域於一影像特徵萃取程序。
  12. 如申請專利範圍第10項所述之傷口狀態分析方法，其中該第一特徵組包括該第一血管圖樣的至少一血管分佈特徵點，該第二特徵組包括該第二血管圖樣的至少一血管分佈特徵點。
  13. 如申請專利範圍第10項所述之傷口狀態分析方法，其中該第一特徵組中的多個第一特徵點與該第二特徵組中的多個第二特徵點一一對應，該傷口狀態分析方法更包括：分析涵蓋該些第一特徵點的一第一區域涵蓋該些第二特徵點的一第二區域之間的主軸線(Principle Axis)偏斜差異，以產生該校準資訊；以及依據該校準資訊將該第二區域的主軸線對齊至該第一區域的主軸線，以將該第二紅外光影像轉換成該校準後影像。
  14. 如申請專利範圍第10項所述之傷口狀態分析方法，更包括：計算該第一傷口區域中像素間的特徵數值差異，以取得該第一傷口區域的面積大小；以及以該第一傷口區域作為基準，比對該第一傷口區域和該第三傷口區域以推算該第三傷口區域的面積大小。
  15. 如申請專利範圍第10項所述之傷口狀態分析方法，其中該第一時間異於該第二時間。
TW106101003A 2017-01-12 2017-01-12 傷口狀態分析方法與系統 TWI617281B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW106101003A TWI617281B (zh) 2017-01-12 2017-01-12 傷口狀態分析方法與系統
CN201710145298.9A CN108294728B (zh) 2017-01-12 2017-03-13 伤口状态分析系统
US15/625,632 US10083508B2 (en) 2017-01-12 2017-06-16 Method and system for analyzing wound status

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW106101003A TWI617281B (zh) 2017-01-12 2017-01-12 傷口狀態分析方法與系統

Publications (2)

Publication Number Publication Date
TWI617281B TWI617281B (zh) 2018-03-11
TW201825040A true TW201825040A (zh) 2018-07-16

Family

ID=62189003

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106101003A TWI617281B (zh) 2017-01-12 2017-01-12 傷口狀態分析方法與系統

Country Status (3)

Country Link
US (1) US10083508B2 (zh)
CN (1) CN108294728B (zh)
TW (1) TWI617281B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI783636B (zh) * 2021-08-18 2022-11-11 緯創資通股份有限公司 可攜式電子裝置及傷口尺寸量測方法
WO2023229555A1 (en) * 2022-05-26 2023-11-30 Sakarya Üni̇versi̇tesi̇ Rektörlüğü A wound follow-up system

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10909680B2 (en) * 2017-08-08 2021-02-02 Med-Compliance Iq, Inc. Method and system for assessing burn wound depth
CN108742549B (zh) * 2018-06-26 2021-01-26 京东方科技集团股份有限公司 一种图像信息生成方法和脉搏波测量系统
CN109330566A (zh) * 2018-11-21 2019-02-15 佛山市第人民医院（中山大学附属佛山医院） 一种伤口监测方法及装置
TWI745148B (zh) * 2019-11-09 2021-11-01 長庚大學 智慧醫藥箱
CN113362267A (zh) * 2020-02-20 2021-09-07 艾科科技股份有限公司 结合光学影像与热影像的检查判断系统及方法
CN111862118B (zh) * 2020-07-20 2023-04-18 四川大学 压疮分期的训练方法、分期方法及分期系统
CN113393420B (zh) * 2021-05-07 2023-07-25 温州医科大学 一种基于红外热成像技术的伤口智能评估方法
CN114287880A (zh) * 2021-12-08 2022-04-08 四川大学华西医院 一种基于红外图像处理的动物实验肿瘤早期成瘤监测方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5503559A (en) * 1993-09-30 1996-04-02 Cedars-Sinai Medical Center Fiber-optic endodontic apparatus and method
IL140180A0 (en) * 2000-12-07 2002-12-01 Advanced oxidation of dangerous chemical and biological sources
IL164362A0 (en) * 2002-04-02 2005-12-18 Yeda Res & Dev Characterization of moving objects in a stationarybackground
ATE374367T1 (de) * 2004-07-22 2007-10-15 Bayer Schering Pharma Ag Verwendung von cyanin-farbstoffen zur diagnose von krankheiten, welche mit angiogenese assoziert sind
EP1780672A1 (en) * 2005-10-25 2007-05-02 Bracco Imaging, S.P.A. Method of registering images, algorithm for carrying out the method of registering images, a program for registering images using the said algorithm and a method of treating biomedical images to reduce imaging artefacts caused by object movement
US7732768B1 (en) 2006-03-02 2010-06-08 Thermoteknix Systems Ltd. Image alignment and trend analysis features for an infrared imaging system
US20070276195A1 (en) * 2006-05-12 2007-11-29 Kci Licensing, Inc. Systems and methods for wound area management
US20100091104A1 (en) * 2006-09-27 2010-04-15 Georgia Tech Research Corporation Systems and methods for the measurement of surfaces
CN100453040C (zh) * 2007-01-23 2009-01-21 天津理工大学 基于人体手背皮下静脉血管特征的身份识别仪及识别方法
US20080242977A1 (en) * 2007-03-30 2008-10-02 General Electric Company Systems, methods and apparatus for longitudinal/temporal analysis of plaque lesions
US8463006B2 (en) * 2007-04-17 2013-06-11 Francine J. Prokoski System and method for using three dimensional infrared imaging to provide detailed anatomical structure maps
TR201901658T4 (tr) 2008-05-20 2019-02-21 Univ Health Network Floresan bazli görüntüleme ve i̇zleme i̇çi̇n ci̇haz ve metot
US20100041998A1 (en) 2008-08-18 2010-02-18 Postel Olivier B Method for Detecting and/or Monitoring a Wound Using Infrared Thermal Imaging
WO2011143073A2 (en) * 2010-05-08 2011-11-17 The Regents Of The University Of California Method, system, and apparatus for pressure image registration
WO2011156414A2 (en) * 2010-06-11 2011-12-15 Nitto Denko Corporation Light-emitting devices for phototherapy
WO2012009359A2 (en) * 2010-07-12 2012-01-19 The Johns Hopkins University Three-dimensional thermal imaging for the detection of skin lesions and other natural and abnormal conditions
US20130162796A1 (en) * 2010-10-14 2013-06-27 The Arizona Board Of Regents On Behalf Of The University Of Arizona Methods and apparatus for imaging, detecting, and monitoring surficial and subdermal inflammation
WO2013110021A1 (en) * 2012-01-20 2013-07-25 Harvard Bioscience, Inc. Method for evaluating tissue injuries
CN103792667B (zh) * 2012-10-30 2016-06-01 财团法人工业技术研究院 立体摄像装置、自动校正装置与校正方法
US20140276684A1 (en) * 2013-03-15 2014-09-18 Volcano Corporation Atherectomy methods using coregistered sets of data
TWI519274B (zh) 2013-07-18 2016-02-01 Taichung Veterans General Hospital Wound monitoring system
TWI507172B (zh) * 2013-09-12 2015-11-11 Cherng Kang Perng Infrared thermal imaging system and its analysis of factors affecting the surface temperature of free flaps
CN105761254B (zh) * 2016-02-04 2019-01-01 浙江工商大学 基于图像特征的眼底图像配准方法
CN106023269B (zh) * 2016-05-16 2019-03-22 北京大学第一医院 一种估算伤口面积的方法及装置
CN106108853A (zh) * 2016-07-18 2016-11-16 重庆金创谷医疗科技有限公司 一种医学多光谱皮肤镜系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI783636B (zh) * 2021-08-18 2022-11-11 緯創資通股份有限公司 可攜式電子裝置及傷口尺寸量測方法
WO2023229555A1 (en) * 2022-05-26 2023-11-30 Sakarya Üni̇versi̇tesi̇ Rektörlüğü A wound follow-up system

Also Published As

Publication number Publication date
US20180197291A1 (en) 2018-07-12
TWI617281B (zh) 2018-03-11
CN108294728B (zh) 2021-12-07
US10083508B2 (en) 2018-09-25
CN108294728A (zh) 2018-07-20

Similar Documents

Publication Publication Date Title
TWI617281B (zh) 傷口狀態分析方法與系統
US11282194B2 (en) Method for estimating blood component quantities in surgical textiles
US9164583B2 (en) Method and apparatus for gaze point mapping
JP6546605B2 (ja) 液体キャニスタ内の血液成分量の推定方法
Kolar et al. Hybrid retinal image registration using phase correlation
WO2014115371A1 (ja) 画像処理装置、内視鏡装置、画像処理方法及び画像処理プログラム
Zhang et al. Novel accurate and fast optic disc detection in retinal images with vessel distribution and directional characteristics
WO2014097702A1 (ja) 画像処理装置、電子機器、内視鏡装置、プログラム及び画像処理方法
US20070211944A1 (en) Apparatus for detecting feature point and method of detecting feature point
CN109452941B (zh) 基于图片正畸与边界提取的肢体周径测量方法及系统
Wang et al. Automatic fundus images mosaic based on SIFT feature
Lazri et al. Detecting essential landmarks directly in thermal images for remote body temperature and respiratory rate measurement with a two-phase system
CN115423804B (zh) 影像标定方法及装置、影像处理方法
Hernandez-Matas et al. Super resolution for fundoscopy based on 3D image registration
Strakowska et al. Cross-correlation based movement correction method for biomedical dynamic infrared imaging
TWI615130B (zh) 影像處理方法及非暫態電腦可讀取媒體
Bathina et al. Robust matching of multi-modal retinal images using radon transform based local descriptor
TWI656323B (zh) 醫療影像差異比對方法及其系統
Makkapati et al. Camera based estimation of respiration rate by analyzing shape and size variation of structured light
Sahoo et al. Image registration using mutual information with correlation for medical image
Parekar et al. Automatic retinal image registration using fully connected vascular tree
Koukounis et al. Retinal image registration based on multiscale products and optic disc detection
Ferreira et al. Approach for the wound area measurement with mobile devices
Wang et al. A novel contour-based registration of lateral cephalogram and profile photograph
Ong et al. An automatic quantitative measurement method for performance assessment of retina image registration algorithms