一种祛疤方法和祛疤系统

技术领域

本申请涉及医疗器械领域，具体涉及一种祛疤方法和祛疤系统。

背景技术

疤痕是人体皮肤遭遇创伤后，由于组织的过度修复、细胞外基质异常沉积造成的皮肤病变现象。表现为病灶区域发红、色素沉积或衰退等，给患者带来不同程度的外貌损毁、机体功能限制和心理负担。

现有技术中，治疗疤痕的技术手段主要采用超脉冲CO2点阵激光手段治疗。但在治疗过程中，超脉冲CO2点阵激光的能量参数依赖操作医师的经验，从而导致治疗的精准度不高。如何基于疤痕的实际情况避免医师通过经验来精确调节CO2点阵激光的能量参数，提高CO2点阵激光的能量精准度是本领域亟待解决的技术问题。

发明内容

(一)申请目的

有鉴于此，本申请的目的在于提供一种祛疤方法和祛疤系统，以解决如何基于疤痕的实际情况来精确调节CO2点阵激光的能量参数，提高CO2点阵激光的能量精准度的技术问题。

(二)技术方案

本申请公开了一种祛疤方法，包括如下步骤：

S1、采集特定区域图像，所述特定区域图像包括完整的疤痕和疤痕外围区域；

S2、基于卷积神经网络从所述特定区域图像中分离出疤痕图像；

S3、基于所述疤痕图像提取图像特征；

S4、基于所述图像特征匹配激光参数。

在一种可能的实施方式中，所述基于卷积神经网络从所述特定区域图像中分离出疤痕图像，包括：

S21、基于特定区域图像提取疤痕的低层次特征图，并经过1×1卷积获得第一特征图，所述低层次特征图包括疤痕的边缘、颜色和纹理；

S22、基于特定区域图像，对所述特定区域图像进行池化输出，并放大输出图到预设倍数，获得第二特征图；

S23、将所述第一特征图与所述第二特征图连接，并经过3×3卷积并放大至所述预设倍数，获得所述疤痕图像。

在一种可能的实施方式中，所述图像特征包括颜色特征和纹理特征，所述颜色特征包括：所述疤痕图像的每个颜色分量的平均强度、所述疤痕图像的颜色通道的数值方差和所述疤痕图像的颜色分量的偏斜度；所述纹理特征包括：对比度、相关性、能量和逆差矩。

在一种可能的实施方式中，所述激光参数包括：激光点阵图形、激光点阵大小、激光作用功率、激光密度以及激光作用模式中的一个或多个。

在一种可能的实施方式中，所述预设倍数使疤痕图像的大小等于所述特定区域图像的大小。

作为本申请的第二方面，还提供了一种祛疤系统，包括：

图像采集模块，用于采集特定区域图像，所述特定区域图像包括完整的疤痕和疤痕外围区域；

疤痕分离模块，用于基于卷积神经网络从所述特定区域图像中分离出疤痕图像；

特征提取模块，用于基于所述疤痕图像提取图像特征；

参数调节模块，用于基于所述图像特征匹配激光参数。

在一种可能的实施方式中，所述疤痕分离模块包括：

第一特征提取单元，用于基于特定区域图像提取疤痕的低层次特征图，并经过1×1卷积获得第一特征图，所述低层次特征图包括疤痕的边缘、颜色和纹理；

第二特征提取单元，用于基于特定区域图像，对所述特定区域图像进行池化输出，并放大输出图到预设倍数，获得第二特征图；

特征连接单元，用于将所述第一特征图与所述第二特征图连接，并经过3×3卷积并放大，获得所述疤痕图像。

在一种可能的实施方式中，所述图像特征包括颜色特征和纹理特征，所述颜色特征包括：所述疤痕图像的每个颜色分量的平均强度、所述疤痕图像的颜色通道的数值方差和所述疤痕图像的颜色分量的偏斜度；所述纹理特征包括：对比度、相关性、能量和逆差矩。

在一种可能的实施方式中，所述激光参数包括：激光点阵图形、激光点阵大小、激光作用功率、激光密度以及激光作用模式中的一个或多个。

在一种可能的实施方式中，所述预设倍数使疤痕图像的大小等于所述特定区域图像的大小。

(三)有益效果

通过采集特定区域图像并从区域图像中分离出疤痕图像，基于疤痕图像提取用于匹配激光参数的图像特征，从而基于疤痕的实际情况调节CO2点阵激光的能量参数，避免医师通过经验来精确调节CO2点阵激光的能量参数，提高了CO2点阵激光的能量精准度。

本申请的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本申请的实践中得到教导。本申请的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

以下参考附图描述的实施例是示例性的，旨在用于解释和说明本申请，而不能理解为对本申请的保护范围的限制。

图1是本发明的系统流程图；

图2是本发明的系统结构图；

其中：1、图像采集模块；2、疤痕分离模块；3、特征提取模块；4、参数调节模块。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本申请的上述描述中，需要说明的是，术语“一侧”、“另一侧”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

此外，术语“相同”等术语并不表示要求部件绝对相同，而是可以存在微小的差异。术语“垂直”仅仅是指部件之间的位置关系相对“平行”而言更加垂直，并不是表示该结构一定要完全垂直，而是可以稍微倾斜。

如图1所示，本实施例提供了一种祛疤方法，包括如下步骤：

S1、采集特定区域图像，所述特定区域图像包括完整的疤痕和疤痕外围区域。

特定区域图像在设备成像、存储和传输过程中会引入部分致使图像质量下降的噪声，这是不可避免的，但可以通过滤波去噪算法减弱，从而降低在特征提取阶段中的干扰，继而提高预测的准确度，本实施例中采用中值滤波降噪。中值滤波是窗口内的操作，其使用窗口内像素值的中值来代替区域内的原像素。中值滤波不仅能去除特定区域图像中的孤立噪声点，不仅平滑图像，还能保持图像中的边缘清晰。

S2、基于卷积神经网络从所述特定区域图像中分离出疤痕图像。

传统将疤痕图像分离的方法主要从特定区域图像中的颜色、纹理和边缘等特性的分布规律出发，按照这些分布规律把图像分割成若干个单独的区域，从这些分布规律衍生出的经典分割方法有基于阈值、边缘检测和特定理论等分割方法。这些方法各有优点和限制，需要结合具体应用来选择和优化。

但是传统将疤痕图像分离的方法很难适应变化多样的样本，特别是疤痕区域不规则，且疤痕与背景的对比度高低相差大，因而传统手段难以取得良好的分割效果。

在一些实施例中，所述基于卷积神经网络从所述特定区域图像中分离出疤痕图像，包括：

S21、基于特定区域图像提取疤痕的低层次特征图，并经过1×1卷积获得第一特征图，所述低层次特征图包括疤痕的边缘、颜色和纹理；

S22、基于特定区域图像，对所述特定区域图像进行池化输出，并放大输出图到预设倍数，获得第二特征图；

S23、将所述第一特征图与所述第二特征图连接，并经过3×3卷积并放大至所述预设倍数，从而获得所述疤痕图像，所述预设倍数使疤痕图像的大小等于所述特定区域图像的大小。

将特定区域图像的低层次特征单独拿出，经过1×1卷积将通道数减小，再把特定区域图像池化后输出的特图放大并进行拼接，随后经过3×3卷积以及再次的放大得到疤痕图像。不仅重新融合了浅层特征，还使特征图的尺寸恢复成输入图像的大小。

本实施例中，将疤痕图像分离的效果要远远优于使用传统分离手段，并且即使疤痕与其周围正常皮肤缺少较大前后景差异，或者是图像存在少量阴影都不影响模型将疤痕区域完整分离出来，鲁棒性高，能很好的应用于疤痕区域的分离任务。

S3、基于所述疤痕图像提取图像特征。

疤痕图像分离后，需要提取到适用于评估色泽和血管分布的图像特征，这些特征须是每个类别都具备，并且在类别间存在一定的差异。如疤痕的形状和轮廓特征对于评估疤痕类别作用较小，因为不同类型的疤痕很可能有相同的形状和轮廓。由于疤痕下组织过度增生，疤痕区域呈现着不同于周围皮肤的颜色和纹理。不同程度的疤痕颜色类型有近于皮肤、粉色、浅红、深红、褐色、紫色等，并且深浅不一。纹理特点也在不同类别疤痕之间有着明显的差异，对于增生期的疤痕，其组织下血液活动频繁，血管较为丰富，沟纹密集。而对于消退期的疤痕，其纹理分布较为稀疏平滑。因此可以选取颜色和纹理特征作为分类评估的特征参数。

在一些实施例中，所述图像特征包括颜色特征和纹理特征，所述颜色特征包括：所述疤痕图像的每个颜色分量的平均强度、所述疤痕图像的颜色通道的数值方差和所述疤痕图像的颜色分量的偏斜度；所述纹理特征包括：对比度、相关性、能量和逆差矩。

S4、基于所述图像特征匹配激光参数。

在一些实施例中，所述激光参数包括：激光点阵图形、激光点阵大小、激光作用功率、激光密度以及激光作用模式中的一个或多个。

而通过图像特征来匹配激光参数可以根据对以往激光治疗的临床试验的数据进行汇总，以定量及定性分析全面评估这些数据，为激光治疗提供了有效和安全的循证证据。根据激光对疤痕柔软度、血管分布、弹性及色泽的改善情况，可以帮助临床医生根据疤痕的图像特征来决定最佳的激光参数。

通过采集特定区域图像并从区域图像中分离出疤痕图像，基于疤痕图像提取用于匹配激光参数的图像特征，从而基于疤痕的实际情况调节CO2点阵激光的能量参数，避免医师通过经验来精确调节CO2点阵激光的能量参数，提高了CO2点阵激光的能量精准度。

如图2所示，作为本申请的第二方面，提供了还提供了一种祛疤系统，包括：

图像采集模块1，用于采集特定区域图像，所述特定区域图像包括完整的疤痕和疤痕外围区域；

疤痕分离模块2，用于基于卷积神经网络从所述特定区域图像中分离出疤痕图像；

特征提取模块3，用于基于所述疤痕图像提取图像特征；

参数调节模块4，用于基于所述图像特征匹配激光参数。

在一种可能的实施方式中，所述疤痕分离模块2包括：

第一特征提取单元，用于基于特定区域图像提取疤痕的低层次特征图，并经过1×1卷积获得第一特征图，所述低层次特征图包括疤痕的边缘、颜色和纹理；

第二特征提取单元，用于基于特定区域图像，对所述特定区域图像进行池化输出，并放大输出图到预设倍数，获得第二特征图；

特征连接单元，用于将所述第一特征图与所述第二特征图连接，并经过3×3卷积并放大，获得所述疤痕图像。

在一种可能的实施方式中，所述图像特征包括颜色特征和纹理特征，所述颜色特征包括：所述疤痕图像的每个颜色分量的平均强度、所述疤痕图像的颜色通道的数值方差和所述疤痕图像的颜色分量的偏斜度；所述纹理特征包括：对比度、相关性、能量和逆差矩。

在一种可能的实施方式中，所述激光参数包括：激光点阵图形、激光点阵大小、激光作用功率、激光密度以及激光作用模式中的一个或多个。

在一种可能的实施方式中，所述预设倍数使疤痕图像的大小等于所述特定区域图像的大小。

最后说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或者等同替换，而不脱离本申请技术方案的宗旨和范围，其均应涵盖在本申请的权利要求范围当中。