基于妊娠纹严重性客观评价指标的妊娠纹严重性评价方法与流程

1.本发明属于计算机医疗辅助诊断技术领域，具体涉及基于妊娠纹严重性客观评价指标的妊娠纹严重性评价方法。


背景技术：

2.妊娠纹是发生于妊娠过程中的萎缩纹，为一种女性常见的皮肤美容学问题。临床上最初表现为略高出皮面的淡红或紫色条纹，逐渐变为肤色或苍白色，出现萎缩、细纹。妊娠纹最常见于腹部和乳房，也可发生于髋部、股部和臀部。很多女性会寻求各种昂贵，甚至是疼痛性的手术治疗。
3.目前市场上有很多预防和防护妊娠纹的产品，但对于其疗效缺乏较为系统的评价方法。
4.临床评判是目前较为常用的预防和防护妊娠纹评价方法，在妊娠纹相关研究中，多采用主观评分法进行妊娠纹整体情况评分，根据妊娠纹严重程度，医生将其严重程度评为0-3分或者0-4分。由于主观评价容易受多种因素影响，在整个治疗过程中，难以让患者直接看到有效结果。另外，这些方法多基于单一严重程度的评分，并为涉及妊娠纹颜色、深度、弹性等具体参数，没有明确的客观评价指标。
5.因此，如何建立一种系统性的妊娠纹严重性客观评价方法，是有效减少医生的主观因素影响，有助于帮助患者更容易了解妊娠纹的治疗效果，是当前亟待解决的。


技术实现要素：

6.本发明所要解决的技术问题是针对上述现有技术的不足，提供基于妊娠纹严重性客观评价指标的妊娠纹严重性评价方法。
7.为实现上述技术目的，本发明采取的技术方案为：
8.基于妊娠纹严重性客观评价指标的妊娠纹严重性评价方法，包括：
9.s1、从妊娠纹图像出发，基于临床评判指标构建妊娠纹严重性客观评价指标体系；
10.s2、从妊娠纹图像中分割出妊娠纹感兴趣区域图；
11.s3、获取妊娠纹感兴趣区域图的灰度图和二值化图；
12.s4、根据所述灰度图和二值化图，计算妊娠纹严重性客观评价指标；
13.s5、根据妊娠纹严重性客观评价指标计算结果，采用预先训练好的分类器判别妊娠纹严重性。
14.为优化上述技术方案，采取的具体措施还包括：
15.上述的步骤s1所述妊娠纹严重性客观评价指标体系包括如下妊娠纹严重性客观评价指标：
16.颜色差、平均密度、平均宽度、分布率。
17.上述的步骤s2具体包括：基于皮肤检测算法将妊娠纹图像中患者肚皮区域分离出来，然后以肚脐为中心分割出最大正方形区作为妊娠纹感兴趣区域。
18.上述的步骤s3中，基于自适应阈值获取妊娠纹感兴趣区域图的二值化图。
19.上述的步骤s4中，根据妊娠纹感兴趣区域图的二值化图，划分为皮肤区和妊娠纹区，获取皮肤区和妊娠纹区的像素坐标投影到妊娠纹感兴趣区域图的灰度图中，计算皮肤区像素的灰度均值gs和妊娠纹区像素的灰度均值g
sg
，则颜色差c＝abs(g
sg-gs)/255。
20.上述的步骤s4中，通过妊娠纹感兴趣区域图的二值化图，计算皮肤区的像素点数ns和妊娠纹区的像素点数n
sg
，则平均密度d＝n
sg
/(n
sg
ns)。
21.上述的步骤s4中，通过妊娠纹感兴趣区域图的二值化图，计算妊娠纹区的像素点数n
sg
和妊娠纹区的像素边缘个数ne，则平均宽度w＝2*n
sg
/ne。
22.上述的步骤s4中，通过妊娠纹感兴趣区域图的二值化图，将妊娠纹区域平均分成四个区域，计算每个区域的平均密度d，统计该值与0.4的差异，得到大于0.4的区域个数n，则分布率a＝n*0.25。
23.上述的步骤s5中，根据妊娠纹严重性客观评价指标计算结果，采用svm分类器判别妊娠纹严重性；
24.所述svm分类器预先采用大量已知妊娠纹严重性的妊娠纹图像经步骤s2-s4得到的指标计算结果进行训练。
25.上述的妊娠纹严重性分为轻度、中度和重度。
26.本发明具有以下有益效果：
27.本发明从妊娠纹图像出发，基于临床评判指标构建妊娠纹严重性客观评价指标体系，包括：妊娠纹颜色差、平均密度、平均宽度、分布率，用于有效表征妊娠纹的严重性：轻度、中度、重度；并将客观评价指标应用于分类器中，可有效评判出病人妊娠纹治疗前后的严重性差异，本发明可以有效减小医生的主观因素影响，有助于构建妊娠纹治疗辅助诊断系统，具有良好的应用前景。
附图说明
28.图1为本发明的方法流程图；
29.图2为基于临床主观评判的轻度妊娠纹图像；
30.图3为基于临床主观评判的中度妊娠纹图像；
31.图4为基于临床主观评判的重度妊娠纹图像。
具体实施方式
32.以下结合附图对本发明的实施例作进一步详细描述。
33.如图1所示，基于图像的妊娠纹严重性客观评价指标提取方法如图1所示，包括以下步骤：
34.s1、从妊娠纹图像出发，基于临床评判指标构建妊娠纹严重性客观评价指标体系；
35.实施例中，所述妊娠纹严重性客观评价指标体系包括如下妊娠纹严重性客观评价指标：
36.颜色差、平均密度、平均宽度、分布率。
37.s2、从妊娠纹图像中分割出妊娠纹感兴趣区域图；
38.妊娠纹图像包括基于临床主观评判的轻度妊娠纹图像(图2)、中度妊娠纹图像(图
3)和重度妊娠纹图像(图4)。
39.对于每幅图像，分割出妊娠纹感兴趣区域图具体包括：基于皮肤检测算法将患者肚皮区域分离出来，然后以肚脐为中心分割出最大正方形区作为妊娠纹感兴趣区域。
40.皮肤检测算法基于正常人皮肤的rgb范围进行检测。
41.s3、获取妊娠纹感兴趣区域图的灰度图和二值化图；
42.获取该妊娠纹感兴趣区域图的灰度图，获取自适应阈值后对妊娠纹感兴趣区域进行二值化处理。
43.s4、根据所述灰度图和二值化图，计算妊娠纹严重性客观评价指标；
44.1)根据妊娠纹感兴趣区域图的二值化图，将区域划分为皮肤区和妊娠纹区，获取皮肤区和妊娠纹区的像素坐标投影到妊娠纹感兴趣区域图的灰度图中，计算皮肤区像素的灰度均值gs和妊娠纹区像素的灰度均值g
sg
，颜色差c＝abs(g
sg-gs)/255。
45.2)通过妊娠纹感兴趣区域图的二值化图，计算皮肤区的像素点数ns和妊娠纹区的像素点数n
sg
，平均密度d＝n
sg
/(n
sg
ns)；
46.3)通过妊娠纹感兴趣区域图的二值化图，计算妊娠纹区的像素点数n
sg
和妊娠纹区的像素边缘个数ne，平均宽度w＝2*n
sg
/ne；
47.4)通过妊娠纹感兴趣区域图的二值化图，将妊娠纹区域平均分成四个区域，上下各两个区域，计算每个区域的平均密度d，统计该值与0.4的差异，得到大于0.4的区域个数n，分布率a＝n*0.25。
48.s5、根据妊娠纹严重性客观评价指标计算结果，采用svm分类器判别妊娠纹严重性。
49.所述妊娠纹严重性分为轻度、中度和重度。
50.所述svm分类器预先已采用大量已知妊娠纹严重性的妊娠纹图像经步骤s2-s4进行训练。
51.实施例
52.患者平均年龄29.75岁(25-39岁)，生产天数为47～233天，平均110.5天，怀孕12-15周时。患者在过去六个月内没有癌症、传染病、血液病、脂肪瘤、血管瘤、血管栓塞、妊娠和其他治疗。本实施例拍摄了孕妇腹部纹的原始照片，通过对每张照片的主观评价，获得了80例轻度病例、76例中度病例和86例重度病例的数据。
53.表1为本发明妊娠纹严重性客观评价指标平均值，可以看出对于几个指标在数值上评判妊娠纹严重性具有区分性。
54.表1
[0055] 颜色差平均密度平均宽度分布率轻度0.0210.1352.890.15中度0.0680.35843.81280.32重度0.1370.4624.310.48
[0056]
表2为基于客观评价指标的支持向量机识别率，选取其中三个指标的识别率略小于四个指标，四个指标的识别准确率较高。
[0057]
实施例采用svm分类器进行判别，首先需进行分类器训练与测试，选取64张轻度图片、60张中度图片、69张重度作为训练样本，剩余图片作为测试样本；
[0058]
表2
[0059][0060][0061]
采用训练好的svm分类器进行妊娠纹严重性判别，表3为任选两名患者，在其治疗期间进行妊娠纹严重性判别，可以看出通过本发明方法可以观察到治疗效果的好转。
[0062]
表3
[0063][0064]
本发明从妊娠纹图像出发，基于临床评判指标构建妊娠纹严重性客观评价指标体系，包括：妊娠纹颜色差、平均密度、平均宽度、分布率，用于有效表征妊娠纹的严重性：轻度、中度、重度；并将客观评价指标应用于分类器中，可有效评判出病人妊娠纹治疗前后的严重性差异，本发明可以有效减小医生的主观因素影响，有助于构建妊娠纹治疗辅助诊断系统，具有良好的应用前景。
[0065]
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。