TWI584225B - 皮膚組織估測方法及應用其之系統 - Google Patents

皮膚組織估測方法及應用其之系統 Download PDF

Info

Publication number
TWI584225B
TWI584225B TW105138870A TW105138870A TWI584225B TW I584225 B TWI584225 B TW I584225B TW 105138870 A TW105138870 A TW 105138870A TW 105138870 A TW105138870 A TW 105138870A TW I584225 B TWI584225 B TW I584225B
Authority
TW
Taiwan
Prior art keywords
image
value
skin
brightness
bright spot
Prior art date
Application number
TW105138870A
Other languages
English (en)
Other versions
TW201810182A (zh
Inventor
王嚴璋
鄭志明
張奇偉
張啟伸
張勝立
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 CN201611169461.7A priority Critical patent/CN106937864B/zh
Priority to US15/395,258 priority patent/US10127661B2/en
Application granted granted Critical
Publication of TWI584225B publication Critical patent/TWI584225B/zh
Publication of TW201810182A publication Critical patent/TW201810182A/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
    • A61B5/44—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
    • 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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • 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
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1079—Measuring physical dimensions, e.g. size of the entire body or parts thereof using optical or photographic means
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Dermatology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Processing (AREA)

Description

皮膚組織估測方法及應用其之系統
本發明是有關於一種皮膚組織估測方法及應用其之系統。
伴隨皮膚科及醫美領域的龐大市場需求，在評估受測者的皮膚狀況時，有時會透過斷層影像成像技術(如光學同調斷層掃描(Optical Coherence Tomography,OCT)成像技術)來產生受測者的皮膚斷層影像，以作為判斷受測者皮膚狀況的依據。
然而，傳統的皮膚斷層影像需經由醫師或其他專業人士利用其經驗、專業知識進行肉眼判讀，才能理解皮膚斷層影像中所呈現的組織資訊。而這對於一般無相關醫學背景、但有皮膚檢測需求的民眾而言，是相當不便利的。
因此，如何提出一種簡單、有效的皮膚組織估測方法及應用其之裝置，乃本領域待解的議題之一。
本發明係有關於一種皮膚組織估測方法及應用其之系統，可基於皮膚斷層影像的影像處理結果，估測出受測者皮膚 組織的相關參數。
根據本發明之一方面，提出一種皮膚組織估測方法，包括：取得皮膚斷層影像；將皮膚斷層影像的亮度值量化成複數個亮度位階，以產生量化後影像；依據第一亮度閥值區間二值化量化後影像之各影像點之亮度值，以產生第一過濾後影像，其中量化後影像中亮度值落在第一亮度閥值區間內的影像點在第一過濾後影像中被設為亮點，量化後影像中亮度值落在第一亮度閥值區間外的影像點在第一過濾後影像中被設為暗點；依據第二亮度閥值區間二值化量化後影像之各影像點之亮度值，以產生第二過濾後影像，其中量化後影像中亮度值落在第二亮度閥值區間內的影像點在第二過濾後影像中被設為亮點，量化後影像中亮度值落在第二亮度閥值區間外的影像點在第二過濾後影像中被設為暗點；依據第一過濾後影像中的亮點分佈，取得第一組織邊界估測值；依據第二過濾後影像中的亮點分佈，取得第二組織邊界估測值；依據第一組織邊界估測值與第二組織邊界估測值之差值，估計皮膚組織厚度。
根據本發明之一方面，提出一種皮膚組織估測方法，包括：取得皮膚斷層影像；對皮膚斷層影像作雜點消除處理，以產生雜點消除影像；二值化雜點消除影像之各影像點之亮度值，以產生二值化後影像，二值化後影像包括複數個由亮點聚集而成的亮部區塊；濾除二值化影像中面積低於面積閥值的亮度區塊，以產生參考影像；偵測參考影像中各影像直行中的底部亮點，以 取得真皮層底部輪廓線，其中各底部亮點在參考影像的對應影像直行中相較於對應影像直行中的其他亮點具有最小的高度值；偵測參考影像中各影像直行中的頂部亮點，以取得表皮層頂部輪廓線，其中各頂部亮點在參考影像的對應影像直行中相較於對應影像直行中的其他亮點具有最大的高度值；依據表皮層頂部輪廓線推得一真皮層頂部輪廓線；；以及依據表皮層頂部輪廓線、真皮層底部輪廓線以及真皮層頂部輪廓線計算至少一皮膚特徵參數。
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‧‧‧皮膚組織估測系統
102‧‧‧取像裝置
104‧‧‧記憶體
106‧‧‧影像處理器
108‧‧‧顯示裝置
202、204、206、208、210、212、214、302、304、306A~306C、308A~308C、310、1302、1304、1306、1308、1310、1312、1314、1316‧‧‧步驟
I、I’‧‧‧皮膚斷層影像
AA、AA’‧‧‧表皮反光區
QI‧‧‧量化後影像
FI1、FI2、FI3‧‧‧過濾後影像
FI1’‧‧‧修補影像
700、900、1100、2200‧‧‧局部影像
D1‧‧‧第一方向
D2‧‧‧第二方向
702‧‧‧水平線
902、904、1102、1104、1202、1204、1206、OL1~OL7‧‧‧曲線
PI‧‧‧預處理影像
FI‧‧‧雜點消除影像
BI‧‧‧二值化後影像
RI‧‧‧參考影像
OLderbon‧‧‧真皮層底部輪廓線
OLepitop‧‧‧表皮層頂部輪廓線
OLdertop‧‧‧真皮層頂部輪廓線
P‧‧‧長條圖的最大切線斜率點
DA‧‧‧真皮層區域
2400‧‧‧圖形化使用者介面
第1圖繪示本發明之一實施例之皮膚組織估測系統之方塊圖。
第2圖繪示依據本發明之一實施例之皮膚組織估測方法之流程圖。
第3圖繪示依據本發明之一實施例之皮膚組織估測方法之流程圖。
第4A圖繪示一例示之皮膚斷層影像。
第4B圖繪示一例示之量化後影像。
第5圖繪示一例示之過濾後影像。
第6圖繪示一例示之修補影像。
第7圖繪示修補影像中的一局部影像示意圖。
第8圖繪示一例示之過濾後影像。
第9圖繪示過濾後影像中的一局部影像示意圖。
第10圖繪示一例示之過濾後影像。
第11圖繪示過濾後影像的局部影像示意圖。
第12圖繪示各組織邊界估測值與皮膚斷層影像之關係圖。
第13圖繪示依據本發明之一實施例之皮膚組織估測方法之流程圖。
第14圖繪示一例示之皮膚斷層影像。
第15圖繪示一例示之預處理影像。
第16圖繪示一例示之雜點消除影像。
第17圖繪示一例示之二值化後影像。
第18圖繪示一例示之參考影像。
第19圖繪示自參考影像偵測出的一例示之真皮層底部輪廓線。
第20圖繪示自參考影像偵測出的一例表皮層頂部輪廓線。
第21圖繪示藉由平移表皮層頂部輪廓線所得出的一例真皮層頂部輪廓線。
第22圖繪示皮膚斷層影像中的一局部影像示意圖。
第23圖繪示根據真皮層頂部輪廓線與真皮層底部輪廓線所建立的一例真皮層區域。
第24圖繪示一例示的圖形化使用者介面。
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，這些發明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圖繪示本發明之一實施例之皮膚組織估測系統100之方塊圖。皮膚組織估測系統100主要包括取像裝置102、記憶體104以及影像處理器106，並可選擇性地包括顯示裝置108。
取像裝置102可掃描受測者的皮膚以取得輸入影像。取像裝置102例如是光學同調斷層掃描(Optical Coherence Tomography,OCT)裝置、超音波掃描裝置、或其它可透過非侵入掃描方式取得生物組織影像的裝置。
記憶體104可儲存程式碼，以供影像處理器106執行本發明實施例之皮膚組織估測方法。記憶體104可由任一形式的非揮發性記憶體來實現。
影像處理器106耦接取像裝置102以及記憶體104，可對取像裝置102所擷取的輸入影像執行本發明實施例之皮膚組織估測方法，以產生對應的皮膚特徵參數。影像處理器106可由中央處理單元、微處理器、或其它具備影像處理能力的電子電路來實現。
在一實施例中，皮膚組織估測系統100更包括一顯示裝置108。顯示裝置108可以是位在本地端與影像處理器106 連接的顯示器，亦可是一遠端裝置的顯示螢幕。顯示裝置108可提供一人機介面，如圖形化使用者介面，以視覺化地呈現受測者皮膚狀況的相關資訊，如皮膚特徵參數。
第2圖繪示依據本發明之一實施例之皮膚組織估測方法之流程圖。所述之皮膚組織估測方法可例如由皮膚組織估測系統100之影像處理器106經配置後執行。
在步驟202，影像處理器106取得皮膚斷層影像。所述之皮膚斷層影像例如是取像裝置102掃描受測者皮膚後所得到的輸入影像，如皮膚OCT影像、超音波影像等，取決於取像裝置102的裝置類型。
在一實施例中，使用者可自輸入影像定義一欲處理的範圍，並以輸入影像中欲處理範圍內的影像部分作為此處所述之皮膚斷層影像。
在一實施例中，影像處理器106會先對輸入影像作一亮度正規化(intensity normalization)處理，並以經亮度正規化處理後的輸入影像可作為皮膚斷層影像。
所述之亮度正規化處理例如包括：影像處理器106偵測輸入影像中對應表皮反光區(如第4A圖所示的區域AA)的平均亮度值，以及平移輸入影像的整體亮度值，使平均亮度值被調整至一預設值。以亮度值範圍為0~255為例，可設定預設值為(但不限於)230。
由於輸入影像中對應表皮反光區的部分通常是影像 中最亮的部分，故藉由設定部分的亮度值，可將輸入影像的整體亮度調整至一適當的範圍，以利後續基於預設的亮度閥值條件自影像分析出皮膚組織特徵。
在步驟204，影像處理器106將皮膚斷層影像的亮度值量化成複數個亮度位階，以產生量化後影像。舉例來說，若原本皮膚斷層影像的亮度值範圍為0~255，其在被量化成k個亮度位階後，亮度值範圍0~255將被平分成k個區間，其中亮度值落在同一區間的影像點將被歸類在同一亮度位階而被設成具有相同的亮度值。因此，量化後影像變成只有k個可能的亮度值。在一實施例中，影像處理器106可利用Kmeans演算法將皮膚斷層影像的亮度值量化成k個亮度位階，以產生量化後影像。
在步驟206，影像處理器106依據第一亮度閥值區間二值化量化後影像之各影像點之亮度值，以產生第一過濾後影像，其中量化後影像中亮度值落在第一亮度閥值區間內的影像點在第一過濾後影像中被設為亮點，量化後影像中亮度值落在第一亮度閥值區間外的影像點在第一過濾後影像中被設為暗點。
舉例來說，若量化後影像具有8(即k等於8)個亮度位階，且第一亮度閥值區間涵蓋第5~7個亮度位階，此時，量化後影像中亮度值落在第5~7個亮度位階的影像點將被設為亮點，而亮度值落在第1、2、3、4、8個亮度位階的影像點將被設為暗點，以形成第一過濾後影像。
基於二值化處理機制，亮點的亮度值係被設為最大 亮度值(如255)，暗點的亮度值係被設為最小亮度值(如0)。
在步驟208，影像處理器106依據第二亮度閥值區間二值化量化後影像之各影像點之亮度值，以產生第二過濾後影像，其中量化後影像中亮度值落在第二亮度閥值區間內的影像點在第二過濾後影像中被設為亮點，量化後影像中亮度值落在第二亮度閥值區間外的影像點在第二過濾後影像中被設為暗點。
第二亮度閥值區間例如是與第一亮度閥值區間不同的區間。舉例來說，若量化後影像具有8個亮度位階，且第二亮度閥值區間涵蓋第2~8個亮度位階，此時，量化後影像中亮度值落在第2~8個亮度位階的影像點將被設為亮點，而亮度值落在第1個亮度位階的影像點將被設為暗點，以形成第二過濾後影像。
同樣地，基於二值化處理機制，亮點的亮度值係被設為最大亮度值(如255)，暗點的亮度值係被設為最小亮度值(如0)。
由於皮膚的各層組織(如表皮層、真皮層)在一灰階影像中會呈現不同的明暗變化，利用此一特性，經由第一、二亮度閥值區間二值化處理後所產生的第一、二過濾後影像，其亮點分布將具備皮膚組織的特徵資訊。
如步驟210及212所示，影像處理器106依據第一過濾後影像中的亮點分佈，取得第一組織邊界估測值，並依據第二過濾後影像中的亮點分佈，取得第二組織邊界估測值。
所述之第一組織邊界估測值及第二組織邊界估測值 可以是一真皮層頂部位置估計值、一真皮層底部位置估計值、或一表皮層頂部位置估計值。
在步驟214，影像處理器106依據第一組織邊界估測值與第二組織邊界估測值之差值，估計皮膚組織厚度。舉例來說，若第一組織邊界估測值及第二組織邊界估測值分別代表真皮層頂部位置估計值以及真皮層底部位置估計值，兩者的差值將代表真皮層厚度。
須注意的是，雖然第2圖實施例係基於第一、二亮度閥值區間對量化後影像作處理，以分別取得第一及第二組織邊界估測值，然本發明並不以此為限。在一實施例中，影像處理器106更可採用第三亮度閥值區間對量化後影像作處理，並基於處理結果取得第三組織邊界估測值。所述之第三組織邊界估測值可以是一真皮層頂部位置估計值、一真皮層底部位置估計值、或一表皮層頂部位置估計值。
進一步說，影像處理器106可依據第三亮度閥值區間二值化量化後影像之各影像點之亮度值，以產生第三過濾後影像，其中量化後影像中亮度值落在第三亮度閥值區間內的影像點在第三過濾後影像中係被設為亮點，量化後影像中亮度值落在第三亮度閥值區間外的影像點在第三過濾後影像中係被設為暗點。接著，影像處理器106依據第三過濾後影像中的亮點分佈，取得第三組織邊界估測值，並依據第三組織邊界估測值與第一組織邊界估測值之差值，或是第三組織邊界估測值與第二組織邊界估測 值之差值，估計另一皮膚組織厚度。舉例來說，若第一組織邊界估測值及第三組織邊界估測值分別代表真皮層頂部位置估計值以及表皮層頂部位置估計值，兩者的差值將代表表皮層厚度。
為幫助理解本發明，以下將配合第3至12圖說明一例示之皮膚組織估測方法。
第3圖繪示依據本發明之一實施例之皮膚組織估測方法之流程圖。所述之皮膚組織估測方法可例如由皮膚組織估測系統100之影像處理器106經配置後執行。
在步驟302，影像處理器106取得皮膚斷層影像I。皮膚斷層影像I例如是經亮度正規化處理後的皮膚OCT灰階影像，如第4A圖所示。
在步驟304，影像處理器106執行量化處理(如Kmeans演算法)將皮膚斷層影像I的亮度值量化成k個亮度位階，以產生量化後影像QI，其中亮度值由低至高依序為第1個亮度位階、第2個亮度位階、第3個亮度位階、...、第k個亮度位階。如第4B圖所示，其繪示被量化成8個亮度位階的量化後影像QI。
在取得量化後影像QI後，影像處理器106可透過步驟306A、308A以取得真皮層頂部的特徵資訊，並透過步驟306B、308B以取得真皮層底部的特徵資訊，以及透過步驟306C、308C以取得表皮層頂部的特徵資訊。
須注意的是，雖上述步驟係以並列的方式繪示，但此並非用以限定該些步驟的執行順序。依據實際應用的不同，影 像處理器106可同步執行該些步驟、或是依序執行該些步驟，或是同步執行部分之該些步驟，並依序執行另一部分之該些步驟。
在步驟306A，影像處理器106基於亮度閥值區間TH1對量化後影像QI作二值化處理，以產生過濾後影像FI1(第一亮度閥值區間)。如第5圖所示，其繪示當亮度閥值區間TH1涵蓋第5~7個亮度位階時，對量化後影像QI作二值化處理所取得的過濾後影像FI1，其中量化後影像QI中亮度值落在第5~7個亮度位階的影像點係被設為亮點，而亮度值落在第1、2、3、4、8個亮度位階的影像點係被設為暗點。
在此例中，將亮度閥值區間TH1設為第5~7個亮度位階的原因在於，研究發現，真皮層組織在影像中通常會對應較亮的部分，也就是較高的亮度位階，但因表皮層頂部常會因界面反射光而在影像中呈現最亮的部分，故此實施例中係使亮度閥值區間TH1排除最高的亮度位階(此例中為第8個亮度位階)，以避免表皮層頂部的亮度資訊對真皮層組織特徵的分析產生干擾。
在步驟308A，影像處理器106對過濾後影像FI1執行膨脹(dilation)及腐蝕(erosion)處理，以產生修補影像FI1’，並依據修補影像FI1’計算出真皮層頂部位置估測值(第一組織邊界估測值)。如第6圖所示，其繪示過濾後影像FI1經膨脹及腐蝕處理後所產生的修補影像FI1’。
基於膨脹及腐蝕處理之演算法機制，修補影像FI1’包括複數個由亮點聚集而成的亮部區塊。影像處理器106可依據 亮部區塊在修補影像FI1’中的頂部平均高度，計算出真皮層頂部位置的估測值。
進一步說，由於修補影像FI1’中亮部區塊的分布大致可呈現真皮層組織的分布，因此，亮部區塊在修補影像FI1’中的頂部平均高度可用來估測真皮層頂部的位置。
以下，將配合第7圖所呈現的非限定實施例，例示性地說明如何藉由修補影像FI1’中的亮部區塊的分布計算真皮層頂部位置估測值。
第7圖繪示修補影像FI1’中的一局部影像700示意圖。局部影像700包括多個影像點，每個影像點係以一方格表示，其中具有斜線網底的方格表示亮點，不具有斜線網底的方格表示暗點。
在第7圖的例子中，局部影像700沿著第一方向D1定義有6個影像直行，並沿著第二方向D2定義有8個影像橫列。
為使本發明實施例所提出的演算法的文字表達具一致性，本文係定義當一影像被擺設成其下半部對應皮膚組織的取像部分時(如第4A圖所示，皮膚組織的取像部分在影像下半部，上半部則為空氣)，影像的水平方向為第一方向D1，而影像由下往上的垂直方向為第二方向D2。也因此，本文所使用的「上方」與「下方」等位置表示用語係基於所述之第二方向D2來定義。
此外，本文亦定義一影像點在一影像直行中沿著第二方向D2的橫列位置為其高度值。舉例來說，在局部影像700 中位在第1個影像直行、第4個橫列的影像點(座標(1,4))的高度值為4，而位在第2個影像直行、第7個橫列的影像點(座標(2,7))的高度值為7，以此類推。
然須注意的是，本文中定義高度值一詞僅是方便指明特定位置的影像點，並非用以限制演算法中所採用的參數。在一些實施例中，亦可基於其他座標系來表示相同位置的影像點。舉例來說，當採用一原點在局部影像700左上角的X-Y座標系(X軸定義為第一方向D1，Y軸為第二方向D2的反向)來定義各影像點的座標，此時，在原D1-D2座標系中座標為(1,1)的影像點，在此X-Y座標系中的座標變為(1,8)，而在原D1-D2座標系中座標為(2,3)的影像點，在此X-Y座標系中的座標變為(2,6)，以此類推。
在此實施例中，影像處理器106可基於下列式子來計算真皮層頂部位置估測值(DermToA)：
其中，N表示影像中的總亮點數，ni表示第i個影像直行中的亮點數量，Hi表示第i個影像直行中位在最頂端的亮點的高度值。
以第7圖為例，局部影像700包括20個亮點，其中第1個影像直行佔5個亮點，第2個影像直行佔4個亮點，第3個影像直行佔2個亮點，第4個影像直行佔1個亮點、第5個影像直行佔4個亮點、第6個影像直行佔4個亮點。又，第1個影像直行中最頂端的亮點位在座標(1,6)，其高度值為6；第2個影 像直行中最頂端的亮點位在座標(2,6)，其高度值為6；第3個影像直行中最頂端的亮點位在座標(3,5)，其高度值為5；第4個影像直行中最頂端的亮點位在座標(4,6)，其高度值為6；第5個影像直行中最頂端的亮點位在座標(5,7)，其高度值為7；第6個影像直行中最頂端的亮點位在座標(6,6)，其高度值為6。
影像處理器106可藉由偵測影像中亮點並進行計數以獲得上述資訊，進而運算獲得真皮層頂部位置估測值如下：
這表示在第7圖的例子中，真皮層的頂部邊界約在影像中高度值為6.1的位置。圖中高度值為6.1的水平線702即表示估測出的真皮層頂部位置。
請再參考第3圖。在步驟306B，影像處理器106基於亮度閥值區間TH2(如第二亮度閥值區間)對量化後影像作二值化處理，以產生過濾後影像FI2。如第8圖所示，其繪示當亮度閥值區間TH2為第2~8個亮度位階時，對量化後影像QI作二值化處理所取得的過濾後影像FI2，其中量化後影像QI中亮度值落在第2~8個亮度位階的影像點在過濾後影像FI2中係被設為亮點，而亮度值落在第1個亮度位階的影像點在過濾後影像FI2中係被設為暗點。
在此例中，將亮度閥值區間TH2設為第2~8個亮度位階的原因在於，透過亮度閥值區間TH2以排除影像中呈現低亮度值的雜點。
在步驟308B，影像處理器106自過濾後影像FI2中偵測並修正真皮層底部輪廓線，以取得真皮層底部位置估測值(如第二組織邊界估測值)。所述之真皮層底部輪廓線係由過濾後影像FI2中各影像直行的底部亮點逐一連線構成。各底部亮點在過濾後影像FI2的對應影像直行中相較於對應影像直行中的其他亮點具有最小的高度值。
影像處理器106可偵測過濾後影像FI2中複數個底部亮點之高度值，再基於些底部亮點之高度值計算真皮層底部位置估測值。舉例來說，在偵測並修正真皮層底部輪廓線之後，影像處理器106可基於真皮層底部輪廓線中底部亮點的高度資訊，如平均高度值、最大高度值、最小高度值等，計算出真皮層底部位置估測值。例如是基於真皮層底部輪廓線中底部亮點的高度資訊，依據底部亮點之平均高度值、最大高度值以及最小高度值作加權平均，產生真皮層底部位置估測值。
在一實施例中，影像處理器106可依據下列式子計算真皮層底部位置估測值(DermBoA)：DermBoA=w 1×平均高度值+w 2×最大高度值+w 3×最小高度值
其中w1、w2、w3為權重係數。在一例子中，w1的範圍在0.4~0.6、w2的範圍在0.2~0.3、w3的範圍在0.2~0.3，例如，可設定w1=0.5、w2=0.25、w3=0.25。
在一實施例中，影像處理器106可基於一或多個判斷條件來修正真皮層底部輪廓線，使其更貼近真實的真皮層底部 起伏變化。
舉例來說，由於真皮層底部的高度值並不會超過真皮層頂部的高度值，因此，影像處理器106可藉由判斷底部亮點之一第一底部亮點之高度值是否大於真皮層頂部位置估測值，並在判斷結果為「是」時，將第一底部亮點之高度值調整至小於真皮層頂部位置估測值。若判斷結果為「否」，則可維持第一底部亮點之高度值，或是再基於其他判斷條件決定是否需修正其高度值。
舉例來說，影像處理器106可藉由判斷第一底部亮點之高度值與底部亮點之一第二底部亮點之高度值相差是否大於一高度閥值，以初步判斷第一底部亮點是否為可能的影像雜點。所述之第一底部亮點與第二底部亮點例如分別位在過濾後影像FI2中的兩相鄰影像直行。
若第一底部亮點與相鄰影像直行(如前一影像直行)中的第二底部亮點兩者高度值差異過大(超過高度閥值)，則表示第一底部亮點可能是未被濾除的影像雜點。此時，影像處理器106將進一步判斷第一底部亮點在所處影像直行中，其上方的一段預設區段中的亮點數量是否大於一數量閥值，以確認第一底部亮點上方的亮點數量是否充足(例如佔預設區段50%以上)。若是，則表示第一底部亮點屬於真皮組織影像的一部分，此時將不對第一底部亮點的高度值作修正。反之，影像處理器106將認定第一底部亮點為影像雜點，並將第一底部亮點之高度值調整至第二底部 亮點之高度值。
以下，將配合第9圖所呈現的非限定實施例，例示性地說明如何自過濾後影像FI2偵測並修正真皮層底部輪廓線。
第9圖繪示過濾後影像FI2中的一局部影像900示意圖。局部影像900包括多個影像點，每個影像點係以一方格表示，其中具有斜線網底的方格表示亮點，不具有斜線網底的方格表示暗點。
在修正前，底部亮點為各影像直行中高度值最小的亮點。如第9圖所示，各影像直行之底部亮點分別位於座標(1,7)、(2,1)、(3,2)、(4,7)、(5,1)、(6,4)。各影像直行之底部亮點依序連線後係形成曲線902，其表示未經修正的真皮層底部輪廓線。
曲線904係表示經前述機制修正後的真皮層底部輪廓線。以高度閥值=5個影像點(像素點)為例，第2個影像直行的底部亮點(座標(2,1))與第1個影像直行的底部亮點(座標(1,7))兩者高度值雖相差6而超過高度閥值，但由於第2個影像直行的底部亮點上方的亮點數量充足，故尚不需進行修正。
反之，第5個影像直行的底部亮點與第4個影像直行的底部亮點兩者高度值雖同樣相差6，但由於第5個影像直行的底部亮點上方僅有一亮點，亮點數量並不充足，故影像處理器106將對其作修正，改以與第4個影像直行的底部亮點有相同高度值的亮點(座標(5,7))作為新底部亮點。經修正後，各影像直行之底部亮點依序連線後係形成修正後的真皮層底部輪廓線，如曲 線904所示。
請再回到第3圖。在步驟306C，影像處理器106基於亮度閥值區間TH3(如第三亮度閥值區間)對量化後影像QI作二值化處理，以產生過濾後影像FI3(如第三過濾後影像)。如第10圖所示，其繪示當亮度閥值區間TH3涵蓋第4~8個亮度位階時，對量化後影像QI作二值化處理所產生的過濾後影像FI3，其中量化後影像QI中亮度值落在第4~8個亮度位階的影像點在過濾後影像FI3中係被設為亮點，而亮度值落在第1~3個亮度位階的影像點在過濾後影像FI3中係被設為暗點。
在步驟308C，影像處理器106自過濾後影像FI3中偵測並修正表皮層頂部輪廓線，以取得表皮層頂部位置估測值(如第三組織邊界估測值)。
所述之表皮層頂部輪廓線係由過濾後影像FI3中各影像直行的頂部亮點逐一連線構成。各頂部亮點在過濾後影像FI3的對應影像直行中相較於對應影像直行中的其他亮點具有最大的高度值。
影像處理器106可偵測過濾後影像FI3中複數個頂部亮點之高度值，再基於頂部亮點之高度值計算表皮層頂部位置估測值。舉例來說，在偵測並修正表皮層頂部輪廓線之後，影像處理器106可基於表皮層頂部輪廓線中頂部亮點的高度資訊，如平均高度值、最大高度值、最小高度值等，計算出表皮層頂部位置估測值。例如是基於表皮層頂部輪廓線中頂部亮點的高度資訊， 依據底部亮點之平均高度值、最大高度值以及最小高度值作加權平均，產生表皮層頂部位置估測值。
在一實施例中，影像處理器106可依據下列式子計算表皮層頂部位置估測值(EpidermToA)：EpidermToA=w 1×平均高度值+w 2×最大高度值+w 3×最小高度值
其中w1、w2、w3為權重係數。計算表皮層頂部位置估測值時所採用的權重係數w1、w2、w3例如與前述計算真皮層底部位置估測值時所採用的權重係數相同。
在一實施例中，影像處理器106可基於一或多個判斷條件修正表皮層頂部輪廓線，使其更貼近真實的表皮層頂部起伏變化。
舉例來說，影像處理器106可藉由判斷頂部亮點之一第一頂部亮點之高度值與頂部亮點之一第二頂部亮點之高度值相差是否大於一高度閥值，以判斷第一頂部亮點是否為影像雜點。所述之第一頂部亮點與第二頂部亮點例如分別位在過濾後影像FI3中的兩相鄰影像直行。
當第一頂部亮點之高度值與第二頂部亮點之高度值相差大於高度閥值，第一頂部亮點將被視為影像雜點，此時影像處理器106將調整第一頂部亮點之高度值，使其與第二頂部亮點之高度值相差小於高度閥值。
在一實施例中，當第一頂部亮點之高度值與第二頂部亮點之高度值相差大於高度閥值，影像處理器106將判斷第一 頂部亮點在所處影像直行下方的一預設區間(例如5個影像點)內是否存在亮點，若是，則將第一頂部亮點更新為預設區間中具有最大高度值的亮點；若否，則將第一頂部亮點之高度值調整至第二頂部亮點之高度值。
以下，將配合第11圖所呈現的非限定實施例，例示性地說明如何自過濾後影像FI3偵測並修正表皮層頂部輪廓線。
第11圖繪示過濾後影像FI3的局部影像1100示意圖。局部影像1100包括多個影像點，每個影像點係以一方格表示，其中具有斜線網底的方格表示亮點，不具有斜線網底的方格表示暗點。
頂部亮點為各影像直行中高度值最小的亮點。如第11圖所示，各影像直行之底部亮點分別位於座標(1,3)、(2,1)、(3,8)、(4,2)、(5,3)、(6,2)。各影像直行之頂部亮點依序連線後係形成曲線1102，其表示未經修正的表皮層頂部輪廓線。
曲線1104則是表示經前述機制修正後的表皮層頂部輪廓線。以高度閥值=5個影像點(像素點)為例，第3個影像直行的頂部亮點(座標(3,8))與第2個影像直行的頂部亮點(座標(2,1))兩者高度值相差7而超過高度閥值，此時，由於第3個影像直行的頂部亮點下方的一預設區間(5個影像點)內存在亮點(位在座標(3,3)及(3,4))，故以預設區間內具有最大高度值的亮點(座標(3,4))作為新的頂部亮點。經修正後，各影像直行之頂部亮點依序連線後係形成修正後的表皮層頂部輪廓線，如曲線1104所示。
第12圖繪示各組織邊界估測值與皮膚斷層影像I之關係圖。在第12圖中，水平線1202、1204以及1206的高度分別為表皮層頂部位置估計值、真皮層頂部位置估計值以及真皮層底部位置估計值。可看出，即便皮膚斷層影像I中表皮層組織與真皮層組織呈現不規則的起伏變化，各層組織間的厚度關係仍可透過水平線1202、1204、1206間的高度值差異清楚呈現。
請再回到第3圖。在步驟310，影像處理器106將依據真皮層頂部位置估計值、真皮層底部位置估計值以及表皮層頂部位置估計值，計算至少一皮膚特徵參數，如表皮層厚度、真皮層厚度等。
舉例來說，影像處理器106可依據表皮層頂部位置估計值(EpidermToA)與真皮層頂部位置估計值(DermToA)的差值計算出表皮層厚度(EpidermTh)：EpidermTh=EpidermToA-DermToA
影像處理器106亦可依據真皮層頂部位置估計值(DermToA)與真皮層底部位置估計值(DermBoA)的差值計算出真皮層厚度(DermTh)：DermTh=DermToA-DermBoA
此外，影像處理器106亦可依據真皮層頂部位置估計值以及真皮層底部位置估計值(或是真皮層底部輪廓線)在皮膚斷層影像I上定義出真皮層區域，並在濾除真皮層區域中亮度低於一閥值的影像點後，計算真皮層區域的平均亮度值，以取得與 真皮層膠原蛋白密度呈正相關的膠原蛋白指標。
簡述第3圖之流程，影像處理器106在取得皮膚斷層影像的量化後影像之後，可基於不同的亮度區間分別對量化後影像作二值化處理，以對應取得過濾後影像，再分別依據此些過濾後影像計算出各層的組織邊界估測值，如真皮層頂部位置估計值、真皮層底部位置估計值以及表皮層頂部位置估計值。取得的組織邊界估測值將可用於計算至少一皮膚特徵參數。
第13圖繪示依據本發明之一實施例之皮膚組織估測方法之流程圖。所述之皮膚組織估測方法可例如由皮膚組織估測系統100之影像處理器106經配置後執行。
在步驟1302，影像處理器106取得皮膚斷層影像I’。如第14圖所示，皮膚斷層影像I’例如是擷取自一皮膚OCT灰階影像之一欲處理範圍內的影像部分。
在步驟1304，影像處理器106對皮膚斷層影像I’作一雜點消除處理，以產生雜點消除影像FI。
在一實施例中，雜點消除處理可包括：影像處理器106自皮膚斷層影像I’偵測一表皮反光區AA’，並將皮膚斷層影像I’中位在表皮反光區AA’上方的影像點設為暗點，以產生預處理影像PI，以及對預處理影像PI作空間濾波處理，以產生雜點消除影像FI。其中，表皮反光區AA’中影像點的亮度值係大於一亮度閥值(如亮度值245)。
請配合參考第14~16圖。影像處理器106可自皮膚 斷層影像I’的各影像直行由上至下(即高度值遞減的方向)搜尋發生亮度值大於亮度閥值的第一個影像點，並將其視為表皮反光區AA’的頂部影像點。由於表皮反光區AA’的上方即非皮膚組織的影像(如空氣)，因此，影像處理器106可藉由將各影像直行中表皮反光區AA’頂部影像點上方的影像點皆設為暗點，以濾除表皮之界面反射光所造成的線狀雜紋。如第15圖所示，其繪示基於上述機制所產生的一例預處理影像PI。
考量到可能有部分的影像直行並不存在亮度值大於亮度閥值的影像點(即表皮反光區AA’的頂部影像點)，故部分雜點或細線仍可能存在於預處理影像PI中。因此，影像處理器106更可進一步對預處理影像PI作一空間濾波處理(如中值濾波(medium filter))，以進一步濾除預處理影像PI中不屬於皮膚組織結構的獨立雜點或細線。如第16圖所示，其繪示對預處理影像PI作中值濾波後所產生的一例雜點消除影像FI。
在步驟1306，影像處理器106二值化雜點消除影像FI中各影像點之亮度值，以產生二值化後影像BI。舉例來說，影像處理器106可將雜點消除影像FI中亮度值不為0的影像點設為亮點，並將剩餘的影像點設為暗點，以產生二值化後影像BI。如第17圖所示，二值化後影像BI包括複數個由亮點聚集而成的亮部區塊。
在步驟1308，影像處理器106濾除二值化影像BI中面積低於一面積閥值的亮度區塊，以產生參考影像RI。
面積閥值可依據皮膚組織結構在二值化影像BI中可能呈現的最小面積來決定。舉例來說，可設定面積閥值=100個影像點。由於面積小於100個影像點的亮度區塊很可能不屬於皮膚組織結構，故藉由將面積小於100個影像點的亮度區塊設為暗點並保留面積大於100個影像點的亮度區塊，可進一步濾除仍存在於二值化影像BI中的雜點或細線。如第18圖所示，其繪示當面積閥值=100個影像點時，濾除二值化影像BI中部分亮度區塊後所產生的一例參考影像RI。
從第18圖可看出，參考影像RI中的亮部區塊實質上涵蓋了從表皮層頂部至真皮層底部的區域。換言之，參考影像RI中亮部區塊的上、下邊界即分別對應了表皮層頂部的輪廓以及真皮層底部的輪廓。此外，由於表皮層與真皮層在皮膚斷層影像中會呈現不同的明暗特徵，且真皮層頂部的輪廓近乎與表皮層頂部的輪廓平行，故可藉由表皮層頂部輪廓線進一步推得真皮層頂部輪廓線。
以下，將配合圖示及步驟1310、1312、1314及1316作說明。
在步驟1310，影像處理器106偵測參考影像RI中各影像直行中的底部亮點，以取得真皮層底部輪廓線，其中各底部亮點在參考影像RI的對應影像直行中相較於對應影像直行中的其他亮點具有最小的高度值。如第19圖所示，其繪示自參考影像RI偵測出的一例真皮層底部輪廓線OLderbon。
在一實施例中，影像處理器106可對測得的真皮層底部輪廓線作一平滑處理(例如每N個影像直行作平均)，以得到較平滑的真皮層底部輪廓線OLderbon。
在步驟1312，影像處理器106偵測參考影像RI中各影像直行中的頂部亮點，以取得表皮層頂部輪廓線，其中各頂部亮點在參考影像RI的對應影像直行中相較於對應影像直行中的其他亮點具有最大的高度值。如第20圖所示，其繪示自參考影像RI偵測出的一例表皮層頂部輪廓線OLepitop。
在一實施例中，影像處理器106可對測得的表皮層頂部輪廓線作一平滑處理(例如每N個影像直行作平均)，以得到較平滑的表皮層頂部輪廓線OLepitop。
在步驟1314，影像處理器106依據表皮層頂部輪廓線推得真皮層頂部輪廓線。
舉例來說，影像處理器106可在皮膚斷層影像I’或雜點消除影像FI中(或其它尚未二值化的影像，如預處理影像PI)，以表皮層頂部輪廓線的位置為起始，朝高度值遞減的方向(即第二方向D2的反向)依次平移表皮層頂部輪廓線，以取得複數條平移後輪廓線，並依據各平移後輪廓線之平均亮度值，以自平移後輪廓線中挑選其一作為真皮層頂部輪廓線，其中，真皮層頂部輪廓線與前一平移後輪廓線之間具有最大的平均亮度值變化量。如第21圖所示，其繪示藉由平移表皮層頂部輪廓線OLepitop所得出的一例真皮層頂部輪廓線OLdertop。
在一實施例中，影像處理器106可藉由建立各平移後輪廓線之高度值對平均亮度值之一長條圖(histogram)，並自長條圖偵測一最大切線斜率點，以自平移後輪廓線中挑選對應最大切線斜率點之一者作為真皮層頂部輪廓線OLdertop。
在一實施例中，影像處理器106亦可對取得的真皮層頂部輪廓線作一平滑處理(例如每N個影像直行作平均)，以得到較平滑的真皮層頂部輪廓線。如第21圖所示，影像處理器106執行平滑處理以得到一條較表皮層頂部輪廓線OLepitop平滑的真皮層頂部輪廓線OLdertop。
以下，將配合第22圖所呈現的非限定實施例，例示性地說明如何藉由平移表皮層頂部輪廓線來找出真皮層頂部輪廓線。
第22圖繪示皮膚斷層影像I’中的一局部影像2200示意圖。局部影像2200包括多個影像點，每個影像點係以一方格表示。由於皮膚斷層影像I’屬於尚未二值化的影像，故各影像點的亮度值係在一連續範圍內，如0~255。
曲線OL1為呈現在皮膚斷層影像I’上的一表皮層頂部輪廓線。也就是說，構成曲線OL1的影像點與在參考影像RI中構成表皮層頂部輪廓線的影像點具有相同的位置。
將曲線OL1往高度值遞減的方向(即第二方向D2的反向)依次平移可得到曲線OL2~OL7。
曲線OL1~OL7之高度值對其平均亮度值之長條圖 繪示於第22圖中右半部。其中，曲線OL1~OL7的高度值係基於一選定的影像直行來定義。以第22圖為例，各曲線OL1~OL7的高度值係由各曲線在第1個影像直行上的影像點的高度值來決定。因此，曲線OL1、OL2、OL3、OL4、OL5、OL6、OL7的高度值分別為8、7、6、5、4、3、2。另一方面，一曲線的平均亮度值係表示曲線上所有影像點之亮度值的平均值。以曲線OL1為例，其平均亮度值係表示位在座標(1,8)、(2,7)、(3,7)、(4,8)、(5,7)、(6,7)之影像點的亮度值的平均值。
在第22圖的例子中，長條圖的最大切線斜率點發生在點P的位置，其對應高度值為6的曲線OL3。這表示曲線OL3係位在局部影像2200中明暗變化的交界處。由於在皮膚斷層影像I’中，真皮層組織相較於表皮層組織會呈現較高的亮度，故當一曲線的平均亮度值較前一曲線的平均亮度值明顯提升(即具有最大的平均亮度值變化率)，曲線將被視為真皮層與表皮層的邊界，也就是真皮層頂部輪廓線。因此，此例中影像處理器106將以曲線OL3作為真皮層頂部輪廓線。
請再回到第13圖。在步驟1316，影像處理器106將依據表皮層頂部輪廓線、真皮層底部輪廓線以及真皮層頂部輪廓線計算至少一皮膚特徵參數。
皮膚特徵參數可包括表皮層厚度、真皮層厚度、膠原蛋白分布面積比例、膠原蛋白含量指標至少其一。
在一實施例中，影像處理器106可計算表皮層頂部 輪廓線與真皮層頂部輪廓線在各影像直行上的高度值差，並平均高度值差，以取得表皮層厚度。
在一實施例中，影像處理器106可計算真皮層頂部輪廓線與真皮層底部輪廓線在各影像直行上的高度值差，並平均高度值差，以取得真皮層厚度。
在一實施例中，影像處理器106可依據真皮層頂部輪廓線與真皮層底部輪廓線，自皮膚斷層影像I’或雜點消除影像FI中建立真皮層區域，並自真皮層區域中偵測亮度值大於一亮度閥值的複數個目標影像點，以及計算目標影像點佔真皮層區域之面積比例，以取得膠原蛋白分布面積比例。
又一實施例中，影像處理器106更可計算目標影像點之平均亮度值，以取得與真皮層膠原蛋白密度呈正相關的膠原蛋白含量指標。
如第23圖所示，在取得真皮層頂部輪廓線OLdertop與真皮層底部輪廓線OLderbon後，影像處理器106可將兩輪廓線OLdertop、OLderbon之間的區域視為真皮層區域DA(以斜線區域表示)。由於真皮層組織的膠原蛋白含量與其在皮膚斷層影像I’中的亮度值呈正相關，故影像處理器106可藉由偵測亮度值大於一亮度閥值的影像點(目標影像點)，以找出真皮層組織中富含膠原蛋白的區域，進而計算膠原蛋白在真皮層區域DA中的分布面積比例。影像處理器106亦可計算目標影像點的平均亮度值，以評估真皮層組織的膠原蛋白富含程度。一般而言，若目標影像點的平 均亮度值越高，表示膠原蛋白富含程度越高。
第24圖繪示一例示的圖形化使用者介面2400。圖形化使用者介面2400用以呈現依據本發明實施例之皮膚組織估測方法所產生的一或多個皮膚估測參數。所述之圖形化使用者介面2400可例如顯示於顯示裝置108之顯示螢幕。
如第24圖所示，圖形化使用者介面2400可在一「分析結果」欄位中顯示估測出的表皮層厚度、真皮層厚度、膠原蛋白分布面積以及膠原蛋白含量指標等皮膚特徵參數。
在一實施例中，圖形化使用者介面2400亦可基於真皮層頂部輪廓線、真皮層底部輪廓線與表皮層頂部輪廓線自原皮膚斷層影像中標記出表皮層區域以及真皮層區域，並針對各區域採用不同的顏色進行配色，以輔助使用者瞭解皮膚組織的分布情形。
綜上所述，本發明提出一種皮膚組織估測方法及應用其之系統，可基於皮膚斷層影像的影像處理結果，估測受測者皮膚組織的相關參數。
雖然本發明已以較佳實施例揭露如上，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。
202、204、206、208、210、212、214‧‧‧步驟

Claims (21)

  1. 一種皮膚組織估測方法，包括：取得一皮膚斷層影像；將該皮膚斷層影像的亮度值量化成複數個亮度位階，以產生一量化後影像；依據一第一亮度閥值區間二值化該量化後影像之各影像點之亮度值，以產生一第一過濾後影像，其中該量化後影像中亮度值落在該第一亮度閥值區間內的影像點在該第一過濾後影像中被設為亮點，該量化後影像中亮度值落在該第一亮度閥值區間外的影像點在該第一過濾後影像中被設為暗點；依據一第二亮度閥值區間二值化該量化後影像之各影像點之亮度值，以產生一第二過濾後影像，其中該量化後影像中亮度值落在該第二亮度閥值區間內的影像點在該第二過濾後影像中被設為亮點，該量化後影像中亮度值落在該第二亮度閥值區間外的影像點在該第二過濾後影像中被設為暗點；依據該第一過濾後影像中的亮點分佈，取得一第一組織邊界估測值；依據該第二過濾後影像中的亮點分佈，取得一第二組織邊界估測值；以及依據該第一組織邊界估測值與該第二組織邊界估測值之差值，估計一皮膚組織厚度。
  2. 如申請專利範圍第1項所述之皮膚組織估測方法，其中取 得該第一組織邊界估測值之步驟更包括：對該第一過濾影像執行一膨脹(dilation)及腐蝕(erosion)處理，以產生一修補影像，其中該修補影像包括複數個由亮點聚集而成的亮部區塊；以及依據該些亮部區塊在該修補影像中的頂部平均高度，計算一真皮層頂部位置的估測值以作為該第一組織邊界估測值。
  3. 如申請專利範圍第1項所述之皮膚組織估測方法，其中取得該第二組織邊界估測值之步驟更包括：偵測該第二過濾後影像中複數個底部亮點之高度值，其中各該底部亮點在該第二過濾後影像的對應影像直行中相較於該對應影像直行中的其他亮點具有最小的高度值；以及依據該些底部亮點之高度值計算該第二組織邊界估測值。
  4. 如申請專利範圍第3項所述之皮膚組織估測方法，更包括：判斷該些底部亮點之一第一底部亮點之高度值是否大於該第一組織邊界估測值；以及當該第一底部亮點之高度值大於該第一組織邊界估測值，將該第一底部亮點之高度值調整至小於該第一組織邊界估測值。
  5. 如申請專利範圍第3項所述之皮膚組織估測方法，更包括：判斷該些底部亮點之一第一底部亮點之高度值與該些底部亮點之一第二底部亮點之高度值相差是否大於一高度閥值，其中 該第一底部亮點與該第二底部亮點分別位在該第二過濾後影像中的兩相鄰影像直行；以及當該第二底部亮點之高度值與該第一底部亮點之高度值相差大於該高度閥值，判斷該第一底部亮點在所處影像直行中，該第一底部亮點上方的一預設區段中的亮點數量是否大於一數量閥值；以及當該預設區段中的亮點數量小於該數量閥值，將該第一底部亮點之高度值調整至該二底部亮點之高度值。
  6. 如申請專利範圍第3項所述之皮膚組織估測方法，更包括：依據該些底部亮點之平均高度值、最大高度值以及最小高度值作加權平均，產生該第二組織邊界估測值。
  7. 如申請專利範圍第1項所述之皮膚組織估測方法，更包括：依據一第三亮度閥值區間二值化該量化後影像之各影像點之亮度值，以產生一第三過濾後影像，其中該量化後影像中亮度值落在該第三亮度閥值區間內的影像點在該第三過濾後影像中被設為亮點，該量化後影像中亮度值落在該第三亮度閥值區間外的影像點在該第三過濾後影像中被設為暗點；依據該第三過濾後影像中的亮點分佈，取得一第三組織邊界估測值；以及依據該第三組織邊界估測值與該第一組織邊界估測值之差 值，估計另一皮膚組織厚度。
  8. 如申請專利範圍第7項所述之皮膚組織估測方法，其中取得該第三組織邊界估測值之步驟更包括：偵測該第三過濾後影像中複數個頂部亮點之高度值，其中各該頂部亮點在該第三過濾後影像的對應影像直行中相較於該對應影像直行中的其他亮點具有最大的高度值；以及依據該些頂部亮點之高度值計算該第三組織邊界估測值。
  9. 如申請專利範圍第8項所述之皮膚組織估測方法，更包括：判斷該些頂部亮點之一第一頂部亮點之高度值與該些頂部亮點之一第二頂部亮點之高度值相差是否大於一高度閥值，其中該第一頂部亮點與該第二頂部亮點分別位在該第三過濾後影像中的兩相鄰影像直行；以及當該第一頂部亮點之高度值與該第二頂部亮點之高度值相差大於該高度閥值，調整該第一頂部亮點之高度值，使該第一頂部亮點之高度值與該第二頂部亮點之高度值相差小於該高度閥值。
  10. 如申請專利範圍第9項所述之皮膚組織估測方法，其中調整該第一頂部亮點之高度值之步驟更包括：判斷該第一頂部亮點在所處影像直行下方的一預設區間內是否存在亮點；當該預設區間內存在亮點，將該第一頂部亮點更新為該預設 區間中具有最大高度值的亮點；以及當該預設區間內不存在亮點，將該第一頂部亮點之高度值調整至該第二頂部亮點之高度值。
  11. 如申請專利範圍第8項所述之皮膚組織估測方法，更包括：依據該些頂部亮點之平均高度值、最大高度值以及最小高度值作加權平均，產生該第三組織邊界估測值。
  12. 如申請專利範圍第1項所述之皮膚組織估測方法，更包括：自一取像裝置取得一輸入影像；以及對該輸入影像作一亮度正規化處理，並以經該亮度正規化處理後的該輸入影像可作為該皮膚斷層影像，其中該亮度正規化處理包括：偵測該輸入影像中對應一表皮反光區之一平均亮度值；以及平移該輸入影像的整體亮度值，使該平均亮度值被調整至一預設值。
  13. 一種皮膚組織估測方法，包括：取得一皮膚斷層影像；對該皮膚斷層影像作一雜點消除處理，以產生一雜點消除影像；二值化該雜點消除影像之各影像點之亮度值，以產生一二值化後影像，該二值化後影像包括複數個由亮點聚集而成的亮部區 塊；濾除該二值化影像中面積低於一面積閥值的亮度區塊，以產生一參考影像；偵測該參考影像中各影像直行中的底部亮點，以取得一真皮層底部輪廓線，其中各該底部亮點在該參考影像的對應影像直行中相較於該對應影像直行中的其他亮點具有最小的高度值；偵測該參考影像中各影像直行中的頂部亮點，以取得一表皮層頂部輪廓線，其中各該頂部亮點在該參考影像的對應影像直行中相較於該對應影像直行中的其他亮點具有最大的高度值；依據該表皮層頂部輪廓線推得一真皮層頂部輪廓線；以及依據該表皮層頂部輪廓線、該真皮層底部輪廓線以及該真皮層頂部輪廓線計算至少一皮膚特徵參數。
  14. 如申請專利範圍第13項所述之皮膚組織估測方法，其中依據該表皮層頂部輪廓線推得該真皮層頂部輪廓線的步驟更包括：在該皮膚斷層影像或該雜點消除影像中，以該表皮層頂部輪廓線的位置為起始，朝高度值遞減的方向依次平移該表皮層頂部輪廓線，以取得複數條平移後輪廓線；依據各該平移後輪廓線之平均亮度值，以自該些平移後輪廓線中挑選其一作為該真皮層頂部輪廓線，其中該真皮層頂部輪廓線與前一平移後輪廓線之間具有最大的平均亮度值變化量。
  15. 如申請專利範圍第14項所述之皮膚組織估測方法，其中自該些平移後輪廓線中挑選其一作為該真皮層頂部輪廓線之步驟更包括：建立各該平移後輪廓線之高度值對平均亮度值之一長條圖；自該長條圖偵測一最大切線斜率點；以及自該些平移後輪廓線中挑選對應該最大切線斜率點之一者作為該真皮層頂部輪廓線。
  16. 如申請專利範圍第13項所述之皮膚組織估測方法，其中該雜點消除處理包括：自該皮膚斷層影像偵測一表皮反光區，其中該表皮反光區中的影像點的亮度值皆大於一亮度閥值；將該皮膚斷層影像中位在該表皮反光區上方的影像點設為暗點，以產生一預處理影像；以及對該預處理影像執行一空間濾波處理，以產生該雜點消除影像。
  17. 如申請專利範圍第13項所述之皮膚組織估測方法，其中該至少一皮膚特徵參數包括一表皮層厚度，該皮膚組織分析方法更包括：計算該表皮層頂部輪廓線與該真皮層頂部輪廓線在各影像直行上的高度值差；以及平均該些高度值差，以取得該表皮層厚度。
  18. 如申請專利範圍第13項所述之皮膚組織估測方法，其中該至少一皮膚特徵參數包括一真皮層厚度，該皮膚組織分析方法更包括：計算該真皮層頂部輪廓線與該真皮層底部輪廓線在各影像直行上的高度值差；以及平均該些高度值差，以取得該真皮層厚度。
  19. 如申請專利範圍第13項所述之皮膚組織估測方法，其中該至少一皮膚特徵參數包括一膠原蛋白分布面積比例，該皮膚組織分析方法更包括：依據該真皮層頂部輪廓線與該真皮層底部輪廓線，自該皮膚斷層影像或該雜點消除影像中建立一真皮層區域；自該真皮層區域中偵測亮度值係大於一亮度閥值的複數個目標影像點；計算該些目標影像點佔該真皮層區域之一面積比例，以取得該膠原蛋白分布面積比例。
  20. 如申請專利範圍第13項所述之皮膚組織估測方法，其中該至少一皮膚特徵參數包括一膠原蛋白含量指標，該皮膚組織分析方法更包括：依據該真皮層頂部輪廓線與該真皮層底部輪廓線，自該皮膚斷層影像或該雜點消除影像中建立一真皮層區域；自該真皮層區域中偵測亮度值係大於一亮度閥值的複數個目標影像點； 計算該些目標影像點之平均亮度值，以取得該膠原蛋白含量指標。
  21. 一種皮膚組織估測系統，包括：一取像裝置，擷取一輸入影像；一記憶體，儲存程式碼；以及一影像處理器，耦接該取像裝置以及該記憶體，並經配置而用以：自該取像裝置取得該輸入影像；對該輸入影像作一亮度正規化處理，以產生一皮膚斷層影像；將該皮膚斷層影像的亮度值量化成複數個亮度位階，以產生一量化後影像；依據一第一亮度閥值區間二值化該量化後影像之各影像點之亮度值，以產生一第一過濾後影像，其中該量化後影像中亮度值落在該第一亮度閥值區間內的影像點在該第一過濾後影像中被設為亮點，該量化後影像中亮度值落在該第一亮度閥值區間外的影像點在該第一過濾後影像中被設為暗點；依據一第二亮度閥值區間二值化該量化後影像之各影像點之亮度值，以產生一第二過濾後影像，其中該量化後影像中亮度值落在該第二亮度閥值區間內的影像點在該第二過濾後影像中被設為亮點，該量化後影像中亮度值落在該第二亮度閥值區間外的影像點在該第二過濾後影像中被設為暗點； 依據該第一過濾後影像中的亮點分佈，取得一第一組織邊界估測值；依據該第二過濾後影像中的亮點分佈，取得一第二組織邊界估測值；以及依據該第一組織邊界估測值與該第二組織邊界估測值之差值，估計一皮膚組織厚度。
TW105138870A 2016-01-05 2016-11-25 皮膚組織估測方法及應用其之系統 TWI584225B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201611169461.7A CN106937864B (zh) 2016-01-05 2016-12-16 皮肤组织估计方法及应用其的系统
US15/395,258 US10127661B2 (en) 2016-01-05 2016-12-30 Method for evaluating skin tissue and system using the same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201662275191P 2016-01-05 2016-01-05
US62/275,191 2016-01-05

Publications (2)

Publication Number Publication Date
TWI584225B true TWI584225B (zh) 2017-05-21
TW201810182A TW201810182A (zh) 2018-03-16

Family

ID=59367350

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105138870A TWI584225B (zh) 2016-01-05 2016-11-25 皮膚組織估測方法及應用其之系統

Country Status (2)

Country Link
CN (1) CN106937864B (zh)
TW (1) TWI584225B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107967466A (zh) * 2018-01-03 2018-04-27 深圳市句点志能电子有限公司 一种突显血管的图像处理算法
CN110313938B (zh) * 2019-08-01 2021-03-23 无锡海斯凯尔医学技术有限公司 皮下组织厚度测量方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7072515B2 (en) * 2001-01-26 2006-07-04 Rensselaer Polytechnic Institute Method and apparatus for automatically tracing line-structure images
TWI259765B (en) * 2004-05-24 2006-08-11 Ming-Yih Lee Noninvasive digital sampling and comparing color method for medical treatment
US7783091B2 (en) * 2004-09-09 2010-08-24 Siemens Aktiengesellschaft Method for segmenting anatomical structures from 3D image data by using topological information
TWI415029B (zh) * 2009-12-25 2013-11-11 Academia Sinica 連續結構影像的量化分析自動追蹤演算法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1879553B (zh) * 2005-06-15 2010-10-06 佳能株式会社 在胸部图像中检测边界的方法及装置
DE102011084286A1 (de) * 2011-10-11 2013-04-11 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und vorrichtung zur quantifizierung einer schädigung eines hautgewebeschnittes
CN103366170B (zh) * 2012-04-02 2018-02-06 周口师范学院 图像二值化处理装置及其方法
CN103886576B (zh) * 2013-11-22 2017-06-06 沈阳东软医疗系统有限公司 一种腺体组织特征灰度检测方法及装置
CN103646398A (zh) * 2013-12-04 2014-03-19 山西大学 一种皮肤镜病灶自动分割方法
CN104933729B (zh) * 2014-03-18 2017-10-03 上海联影医疗科技有限公司 一种颅内脑组织的提取方法和装置
CN104794711B (zh) * 2015-04-13 2018-06-05 上海泽煜实验设备有限公司 一种图像处理方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7072515B2 (en) * 2001-01-26 2006-07-04 Rensselaer Polytechnic Institute Method and apparatus for automatically tracing line-structure images
TWI259765B (en) * 2004-05-24 2006-08-11 Ming-Yih Lee Noninvasive digital sampling and comparing color method for medical treatment
US7783091B2 (en) * 2004-09-09 2010-08-24 Siemens Aktiengesellschaft Method for segmenting anatomical structures from 3D image data by using topological information
TWI415029B (zh) * 2009-12-25 2013-11-11 Academia Sinica 連續結構影像的量化分析自動追蹤演算法

Also Published As

Publication number Publication date
TW201810182A (zh) 2018-03-16
CN106937864B (zh) 2019-12-10
CN106937864A (zh) 2017-07-11

Similar Documents

Publication Publication Date Title
US10127661B2 (en) Method for evaluating skin tissue and system using the same
CN110097034B (zh) 一种智能人脸健康程度的识别与评估方法
US11672471B2 (en) Osteoporosis diagnostic support apparatus
KR101713086B1 (ko) 투명감 평가 장치, 투명감 평가 방법 및 투명감 평가 프로그램
CN103619238B (zh) 用于确定皮炎值的装置和方法
JP5385593B2 (ja) ひび割れ検出方法
JP6361776B2 (ja) 診断支援装置、及び診断支援装置における画像処理方法、並びにプログラム
JP2006195651A (ja) 階調補正装置
WO2011151821A1 (en) Inspection of region of interest
EP2486543A1 (en) Formation of a time-varying signal representative of at least variations in a value based on pixel values
JP6704933B2 (ja) 画像処理装置、画像処理方法およびプログラム
TWI584225B (zh) 皮膚組織估測方法及應用其之系統
JP4870016B2 (ja) ひび割れ検出方法
CN110310323A (zh) 基于Hessian矩阵和二维高斯拟合的视网膜血管管径测量方法
CN108280448A (zh) 指静脉按压图的判别方法及装置、指静脉识别方法
JP7136603B2 (ja) 生体判定システム、生体認証システム、生体判定プログラム、及び生体判定方法
CN116993764B (zh) 一种胃部ct智能分割提取方法
JP4980739B2 (ja) ひび割れ検出方法
US20100061656A1 (en) Noise reduction of an image signal
JP6351550B2 (ja) ハリ感評価装置、ハリ感評価方法およびハリ感評価プログラム
JP2007252892A (ja) 皮膚表面の立体形状の目視評価値の推定方法
US20210319551A1 (en) 3d analysis with optical coherence tomography images
KR101334029B1 (ko) 두경부 근육 추출 방법 및 ｒｏｉ분석 방법
Aliahmad et al. Adaptive Higuchi's dimension-based retinal vessel diameter measurement
Bajwa et al. Comparison of boundary detection techniques to improve image analysis in medical thermography