TWI616183B - Non-invasive skin image detection method - Google Patents
Non-invasive skin image detection method Download PDFInfo
- Publication number
- TWI616183B TWI616183B TW105141732A TW105141732A TWI616183B TW I616183 B TWI616183 B TW I616183B TW 105141732 A TW105141732 A TW 105141732A TW 105141732 A TW105141732 A TW 105141732A TW I616183 B TWI616183 B TW I616183B
- Authority
- TW
- Taiwan
- Prior art keywords
- skin
- area
- spectral
- detecting method
- image
- Prior art date
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本發明係提供一種非侵入式皮膚影像檢測方法,係包括:以一高光譜儀(Spectrometer)對待測對象皮膚進行照射,取得一待測皮膚原始影像;分析該待測皮膚原始影像之光譜波形,並比對一預先建立之健康皮膚光譜波形資料、對該待測皮膚原始影像進行光譜波形匹配,找出該待測皮膚原始影像中的患部皮膚區域與健康皮膚區域;將該患部皮膚區域與該健康皮膚區域之面積進行量化,產出一皮膚患部面積比例值。
Description
本發明係與醫學檢測技術有關,特別係指一種應用高光譜影像檢測技術之非侵入式皮膚影像檢測方法。
過去針對人體皮膚疾病狀況研究的技術,都是著重在皮膚燒燙傷癒合評估、皮膚黑色素癌、皮膚血氧含量、皮膚厚度等研究議題。最早在1988年,Afromowitz等學者就利用多光譜成像儀(multispectral imaging)進行燒燙傷皮膚深度之研究,該研究是利用多光譜儀器及以主治醫師個人診斷方式,進行超過100位燒傷部位研究比較,且每天利用3次觀察與取像,其結果發現利用多光譜成像系統在預測燒傷癒合率、比參與的主治醫師判斷結果來得更準確。至今,在2015年2月時,Calin等學者則是真正利用高光譜成像儀(其波段範圍涵蓋在400~1000nm,光譜解析度(spectral resolution)為1.73nm,所以約有346個光譜波段資訊),進行燒燙傷皮膚癒合評估,其結果也顯示高光譜成像技術非侵入式評估的優勢。
另外,Dicker等學者使用高解析率高光譜成像顯微鏡(波段範圍涵蓋在400~800nm,光譜解析度約1nm),對以蘇木精-伊紅染色(hematoxylin eosin stained,也稱為H&E染色)
之正常和異常皮膚組織,如良性痣(benign nevi)和黑色素瘤(melanoma)皮膚組織中的異常部份進行檢測。由實驗結果證實利用高光譜儀器能更客觀分辨出正常與異常皮膚組織。Chin等學者則是利用高光譜成像技術,以非侵入式測量氧合血紅蛋白(oxyhemoglobin)和脫氧血紅蛋白(deoxyhemoglobin)的濃度,藉此建出一個解剖之氧合地圖。並用它來評估外週動脈疾病(peripheral artery disease,PAD)研究,由收集126個病患(共252足肢)高光譜資料,去除15個不適合病患後,剩111個病患,其中46個非PAD患者(有92足肢),65個是PAD患者(130足肢),其結果顯示,PAD病患在跖足底(plantar metatarsal)、足弓(arch)及腳跟足踝血管供應區(heel angiosomes)量測之去氧血紅素(deoxyhemoglobin)值與非PAD病患有顯著差異,這也是確定高光譜成像技術可以準確地評估PAD的存在或不存在,且能準確地預測PAD的嚴重性研究。雖然高光譜成像技術在皮膚上的應用文獻甚多,但是這些數學分析方式並非適合評估疾病不同等級之療效,且這些技術皆是以非常複雜數學模式在建立,因此本發明主要想改善的目標是以簡單、客觀及科學化方式進行非侵入式高光譜成像在疾病應用上之分析。
為解決先前技術之缺點,本發明係提供一種非侵入式皮膚影像檢測方法,係使用高光譜影像系統建立患者皮
膚之影像資料,本發明係將患者治療前、治療後的患部影像資料比對健康皮膚的光譜波形、進行光譜波形匹配,且利用閥值自動判定方法決定患部面積、並加以定量,做為患者治療前後的比較,提供醫師治療前後客觀的數據,以利輔助醫學診斷用。
本發明係為一種非侵入式皮膚影像檢測方法,係包括:以一高光譜儀(Spectrometer)對待測對象皮膚進行照射,取得一待測皮膚原始影像;分析該待測皮膚原始影像之光譜波形,並比對一預先建立之健康皮膚光譜波形資料、對該待測皮膚原始影像進行光譜波形匹配,找出該待測皮膚原始影像中的患部皮膚區域與健康皮膚區域;將該患部皮膚區域與該健康皮膚區域之面積進行量化,產出一皮膚患部面積比例值。
本發明之一實施例中,該高光譜儀之光譜波長範圍為400~1700nm。
本發明之一實施例中,該高光譜儀係可為快照式(Snapshot)高光譜儀或推掃式(Pushbroom)高光譜儀。
本發明之一實施例中,該快照式(Snapshot)高光譜儀之光譜波長範圍為600~1000nm,照射時間為10秒以內。
本發明之一實施例中,該推掃式(Pushbroom)高光譜儀之光譜波長範圍為400~1000nm或900-1700nm,照射時間為90秒以內。
本發明之一實施例中,該高光譜儀係使用波長400~2500nm的光源,該光源係可為全波段溴鎢鹵素燈。
以上之概述與接下來的詳細說明及附圖,皆是為了能進一步說明本發明達到預定目的所採取的方式、手段及功效。而有關本發明的其他目的及優點,將在後續的說明及圖示中加以闡述。
S11~S15;S21~S26‧‧‧步驟流程
圖1係為本發明之非侵入式皮膚影像檢測方法第一實施例步驟流程圖。
圖2係為本發明之非侵入式皮膚影像檢測方法第二實施例步驟流程圖。
圖3係為蜂窩性組織炎患者之一般影像取像位置示意圖。
圖4係為蜂窩性組織炎患者之健康區域與患部區域取像及樣區示意圖。
圖5係為蜂窩性組織炎患者之健康與患部取像各部位的光譜波形圖。
圖6係為乾癬病患者之一般影像、高光譜儀取像及SAM與SID差異性匹配圖。
以下係藉由特定的具體實例說明本發明之實施方式,熟悉此技藝之人士可由本說明書所揭示之內容輕易地
瞭解本發明之其他優點與功效。
本發明之理論主要是依據取得之高光譜影像資料,可用相似(差異)性處理分析技術,如光譜角度匹配(SAM)、光譜信息散量(SID)等方法,來進行不同疾病之皮膚高光譜特徵分析。由於光譜差異性分析是以單點光譜進行分析,因此本發明會針對臨床醫師所提供的健康區域點進行全部高光譜影像之波形匹配。
請參閱圖1所示,係為本發明之非侵入式皮膚影像檢測方法第一實施例步驟流程圖,如圖所示,該非侵入式皮膚影像檢測方法第一實施例之步驟係包括:將待測皮膚之光譜資料讀入,意即取得受測者之皮膚高光譜資料S11,該受測者之皮膚高光譜資料係以一高光譜儀照射取得;進行影像前置處理S12;建立與導入健康皮膚光譜波形S13,首先需預先建立健康皮膚之光譜波形資料,該健康皮膚光譜波形資料可以是預先建立於一資料庫中,以作為與患部皮膚光譜波形資料比對用;利用SAM、SID執行光譜波形匹配,利用SAM(光譜角度匹配)、SID(光譜信息散量)方法進行該待測皮膚區域之光譜相似度(差異性)量測,搭配預先建立之健康皮膚光譜波形資料進行光譜波形匹配,以分別找出並標定該待測皮膚區域中健康皮膚與患部皮膚之光譜波形;進行閥值判斷S15,利用自動閾值法(Otsu’s method)和熵閾值法將波形匹配結果區分為二值化,即可量化這些區域之面積、並算出該皮膚正常(健
康)區域與該皮膚患部區域之面積比例,藉此可客觀化且快速即時對該待測皮膚做治療前後之療效追蹤。
請參閱圖2所示,係為本發明之非侵入式皮膚影像檢測方法第二實施例步驟流程圖,如圖所示,該非侵入式皮膚影像檢測方法第二實施例之步驟係包括:以高光譜儀取得受測者皮膚之高光譜資料S21,該高光譜儀係可為快照式(Snapshot)高光譜儀或推掃式(Pushbroom)高光譜儀;對該受測者皮膚之高光譜資料進行影像前置處理S22;檢測該受測者皮膚區域之高光譜波形資料,並導入一預先建立之健康皮膚光譜波形資料、以利進行比對S23;利用SAM、SID執行光譜波形匹配S24,利用光譜角度匹配(SAM)、光譜信息散量(SID)對該待測皮膚區域進行光譜波形匹配,找出並標定該待測皮膚區域中健康皮膚與患部皮膚之光譜波形;閥值自動判斷S25,將前一步驟之光譜波形匹配結果導入一閥值計算程式,以將該待測皮膚區域之光譜波形匹配結果分為二值化、分別為健康皮膚區域與患部皮膚區域;患部面積定量S26,對該健康皮膚區域與該患部皮膚區域進行面積量化,定量該待測區域之患部面積比例,得到一皮膚患部面積比例值,其結果可用於輔助醫師評估判斷對患者皮膚治療前後之效果。
本發明之一實施例中,為找出該待測皮膚區域中係採光譜相似(差異性)度量測(Spectral similarity measures),欲量測兩像素向量(pixel vectors)間的相似度(similarity)或差
異性(difference)時,可藉由量測兩個向量間的相似程度來了解其差異性。當兩向量相似程度愈近時,它的量測值會愈小;反之,若兩個向量相似程度愈遠時,它量測到的相似度值會愈大。下列是本發明使用量測同一位受試者其健康皮膚與疾病區域高光譜特徵差異性分析方法簡單介紹:光譜角度匹配(Spectral Angle Mapper,SAM):光譜角度匹配法常用於遙測影像中之光譜相似矩陣之計算。它是藉由計算兩個像素向量(two pixel vectors)s i 和s j 之光譜信號間角度,以量測兩像素向量間的相似程度,其計算公式如下:
其中L代表光譜波段數目(numbers of bands)。
光譜信息散量(Spectral Information Divergence,SID):光譜信息散量(SID)是一個新的量測光譜相似度方法。它源自於信息理論的發散概念(the concept of divergence),來量測兩個像素向量光譜特徵間的機率行為差異。換句話說,兩個像素向量之間的光譜相似性,是由基於其相對應光譜特徵衍生機率分佈間的差異來量測SID。研究上使用發散概念並非是新穎的,這觀念在圖形識別(pattern recognition)和波段選擇(band selection)已被應用。但是從光譜信息量測(spectral information measure,SIM)光譜相似度的角度而言,什麼是新
的SID呢?與光譜角度匹配(SAM)和歐幾里德距離(Euclidean distance,ED)中,如兩個像素向量之間的角度與空間距離,所提取的幾何特徵來比較,SID是量測兩個像素向量光譜特徵所產生機率分佈之間的距離。因此,SID可以比ED和SAM方法更有效地擷取到光譜間的變化性。
在SID的分析方法中,吾人將對兩個像素向量s i 和s j 間光譜信號計算其機率向量p=(p 1,p 2,...p L ) T 及q=(q 1,q 2,...q L ) T ,其中s i 和s j 間之每個波段的機率分別為和。所以,s i 和s j 在第l個波段的自我資訊量(self information)為I l (r j )=-log q l ;吾人可以進一步定義D l (r i ∥r j ),其l頻本身的差異在r j相關的計算如下:D l( r i ∥r j )=I l (r j )-I l (r i )=(-logq l )-(-logp l )=log(p l /q l )平均數D l( r i ∥r j )在所有的波段1 l L相關r i 的結果,如下:
D(r i ∥r j )是代表在r j 本身的平均差異相關r i 。在訊息理論中D(r i ∥r j )是被稱為相關熵(relative entropy),也被稱為Kullback-Leibler[16]。同樣地,吾人也可以定義r j 相關於r i 的本身平均差異,計算如下:
總結上述,其SID可以定義為如下:SID(r i ,r j )=D(r i ∥r j )+D(r j ∥r i )
本發明之一實施例中,本發明進行閥值判斷之步
驟係利用下列兩項常用之自動閾值法作為理論基礎。一為Otsu’s方法,一為熵值法,說明如下:Otsu’s方法:Otsu’s演算法,是一種自應性閾值確定的方法,常用在影像二值化的閥值決定上,並利用此閾值將影像分成背景和目標兩個部分。背景和目標之間的類間方差越大,說明構成圖像的兩個部分差別越大,當部分目標錯分為背景或部分背景錯分為目標都會使兩部分差別變小。在Otsu’s演算法中,吾人窮舉搜尋能使類內變異數最小的閾值定義為兩個類的變異數的加權和:
權重是被閾值t分開的兩個類的機率,而是這兩個類的變異數。
簡單來說,Otsu’s演算法的基本原理就是為找出最佳二值化閾值。本發明使用Otsu’s演算法將波形匹配結果影像分成病灶區域與健康區域,讓吾人之後能量化影像中的病灶區域。
熵閾值方法(entropy threshold):熵閾值技術是使用影像的熵作為閾值的標準技術。首先為其中i為行j為列,W ij 表示為灰階級數i和灰階級數j共同出現的次數.對於每一對灰階級數(i,j),定義聯合機率p(i,j)如下:
δ(l,k)表示如下:
將使用的閾值表示為T,可以將圖像I(i,j)分割成兩個部分;其灰度級數比閾值T還要高的稱為目標,另一個是灰度級數比閾值T還要低的稱為背景。接下來進一步使用閾值T將灰階共生矩陣W劃分為四個區域,這四個區域是背景至背景(BB);背景至對象(BO)、對象至背景(OB)、對象至對象(OO),最後計算每個區域的機率,將可以得到每個區域的熵如下:
藉由上述公式可以將區域熵H LE (T)、聯合熵H JE (T)、全域熵H GE (T)定義為:H LE (T)=H BB (T)+H OO (T)
H JE (T)=H BO (T)+H OB (T)
H GE (T)=H BB (T)+H OO (T)+H BO (T)+H OB (T)
圖3至圖6係為本發明之非侵入式皮膚影像檢測方法實際操作影像圖,圖3至圖5係以一蜂窩性組織炎患者為樣本,圖3係為蜂窩性組織炎患者之一般影像取像位置示意圖(左腳為患部),圖4係為蜂窩性組織炎患者之健康區域(*)與患部區域取像及樣區示意圖,圖5係為蜂窩性組織炎患者之健康(*)與患部取像各部位的光譜波形圖,圖6係為乾癬病患者之一般影像(左1)、高光譜儀取像(左2)及SAM與SID差異性匹配圖(右2及右1),由前述圖式可看出本發明之非侵入式皮膚影像檢測方法確實能找出健康皮膚區域與患部皮膚區域之差異、並將其分佈面積量化,進而提供量化後的皮膚患部面積比例值給醫師評估參考,作為施行治療前後的病況評估診斷使用。該皮膚患部面積比例值之呈現方式可為百分比(如20%)、常數(1/2、0.5等),或者依實際需求以圖塊(圓餅圖、長條圖等)、方程式或其他圖形或幾何數型式呈現。
綜上所述,本發明係提供一種非侵入式皮膚影像檢測方法,本發明係使用高光譜儀取得患者皮膚之影像資料,經過光譜波形匹配與閥值判斷,將健康皮膚區域與患部皮膚區域面積量化、以提供一皮膚患部面積比例值供醫師評估患者經治療前後之實際病況。本發明之主要技術精神在於提供一簡潔的比例參數、而非傳統技術的大量複雜資訊,以協助醫師能迅速並正確的判斷患者病情,以利後續療程進行。
上述之實施例僅為例示性說明本發明之特點及其功效,而非用於限制本發明之實質技術內容的範圍。任何熟習此技藝之人士均可在不違背本發明之精神及範疇下,對上述實施例進行修飾與變化。因此,本發明之權利保護範圍,應如後述之申請專利範圍所列。
Claims (8)
- 一種非侵入式皮膚影像檢測方法,其步驟係包括:以一高光譜儀對待測對象皮膚進行照射,取得一待測皮膚原始影像;分析該待測皮膚原始影像之光譜波形,並比對一預先建立之健康皮膚光譜波形資料、利用光譜角度匹配(SAM)與光譜信息散量(SID)對該待測皮膚原始影像進行光譜波形匹配,找出該待測皮膚原始影像中的患部皮膚區域與健康皮膚區域;將該患部皮膚區域與該健康皮膚區域之面積進行量化,產出一皮膚患部面積比例值。
- 如請求項1所述之非侵入式皮膚影像檢測方法,其中該高光譜儀之光譜波長範圍為400~1700nm。
- 如請求項1所述之非侵入式皮膚影像檢測方法,其中該高光譜儀係可為快照式(Snapshot)高光譜儀或推掃式(Pushbroom)高光譜儀。
- 如請求項3所述之非侵入式皮膚影像檢測方法,其中該快照式高光譜儀之光譜波長範圍為600~1000nm,照射時間為10秒以內。
- 如請求項3所述之非侵入式皮膚影像檢測方法,其中該推掃式高光譜儀之光譜波長範圍為400~1000nm或900-1700nm,照射時間為90秒以內。
- 如請求項1所述之非侵入式皮膚影像檢測方法,其中該高光譜儀係使用波長400~2500nm的光源。
- 如請求項1所述之非侵入式皮膚影像檢測方法,其中該光源係可為全波段溴鎢鹵素燈。
- 如請求項1所述之非侵入式皮膚影像檢測方法,其中該皮膚患部面積比例值之呈現方式係以百分比、常數、圖塊、方程式或其他圖形或幾何數型式呈現。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105141732A TWI616183B (zh) | 2016-12-16 | 2016-12-16 | Non-invasive skin image detection method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105141732A TWI616183B (zh) | 2016-12-16 | 2016-12-16 | Non-invasive skin image detection method |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI616183B true TWI616183B (zh) | 2018-03-01 |
TW201822701A TW201822701A (zh) | 2018-07-01 |
Family
ID=62188916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105141732A TWI616183B (zh) | 2016-12-16 | 2016-12-16 | Non-invasive skin image detection method |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI616183B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110301891B (zh) * | 2018-12-29 | 2022-11-25 | 合刃科技(深圳)有限公司 | 一种基于高光谱的检测预警方法、检测器以及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5074306A (en) * | 1990-02-22 | 1991-12-24 | The General Hospital Corporation | Measurement of burn depth in skin |
CN201312801Y (zh) * | 2008-12-26 | 2009-09-23 | 刘绍辉 | 一种皮肤检测贴片 |
CN103268499A (zh) * | 2013-01-23 | 2013-08-28 | 北京交通大学 | 基于多光谱成像的人体皮肤检测方法 |
TW201444528A (zh) * | 2013-05-23 | 2014-12-01 | Univ Nat Taiwan Science Tech | 壓力量測系統 |
-
2016
- 2016-12-16 TW TW105141732A patent/TWI616183B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5074306A (en) * | 1990-02-22 | 1991-12-24 | The General Hospital Corporation | Measurement of burn depth in skin |
CN201312801Y (zh) * | 2008-12-26 | 2009-09-23 | 刘绍辉 | 一种皮肤检测贴片 |
CN103268499A (zh) * | 2013-01-23 | 2013-08-28 | 北京交通大学 | 基于多光谱成像的人体皮肤检测方法 |
TW201444528A (zh) * | 2013-05-23 | 2014-12-01 | Univ Nat Taiwan Science Tech | 壓力量測系統 |
Also Published As
Publication number | Publication date |
---|---|
TW201822701A (zh) | 2018-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Adam et al. | Computer aided diagnosis of diabetic foot using infrared thermography: A review | |
Aboughaleb et al. | Hyperspectral imaging for diagnosis and detection of ex-vivo breast cancer | |
AU2015284810B2 (en) | Raman spectroscopy system, apparatus, and method for analyzing, characterizing, and/or diagnosing a type or nature of a sample or a tissue such as an abnormal growth | |
JP5306651B2 (ja) | 皮膚の状態の判定方法及び皮膚の厚みの予測方法 | |
P. Santos et al. | Improving clinical diagnosis of early-stage cutaneous melanoma based on Raman spectroscopy | |
TWI801370B (zh) | 用於評估糖尿病循環併發症之光學量測系統及估計組織血管健康之方法 | |
Sawides et al. | The organization of the cone photoreceptor mosaic measured in the living human retina | |
Koprowski et al. | Automatic analysis of selected choroidal diseases in OCT images of the eye fundus | |
Milanic et al. | Hyperspectral imaging for detection of arthritis: feasibility and prospects | |
CN109781701A (zh) | 一种基于拉曼光谱技术的甲状旁腺术中实时检测方法 | |
JP4649965B2 (ja) | 健康度判定装置、及びプログラム | |
Koprowski et al. | Automatic method for the dermatological diagnosis of selected hand skin features in hyperspectral imaging | |
Koprowski | Automatic analysis of the trunk thermal images from healthy subjects and patients with faulty posture | |
WO2015167005A1 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
TWI755918B (zh) | 傷口評估方法 | |
TWI616183B (zh) | Non-invasive skin image detection method | |
Vaghefi et al. | Quantification of optical coherence tomography angiography in age and age-related macular degeneration using vessel density analysis | |
CN115474930A (zh) | 一种基于高光谱图像重建的无创血红蛋白检测方法 | |
Togawa | Dermoscopy for the diagnosis of Melanoma: an overview | |
Cho et al. | Physiological characterization of skin lesion using non-linear random forest regression model | |
TWI703961B (zh) | 口腔影像分析系統和方法 | |
Devi et al. | An efficiently identify the diabetic foot ulcer based on foot anthropometry using hyperspectral imaging | |
US10092233B2 (en) | Method and apparatus for non-invasive liver function testing | |
Balestrieri et al. | Automatic psoriasis assessment methods: current scenario and perspectives from a metrologic point of view | |
Kye et al. | Hyperspectral imaging‐based erythema classification in atopic dermatitis |