色斑属性判定方法、色斑属性判定系统、血管密集度估计方法、及血管密集度估计系统与流程

1.本发明涉及一种色斑属性判定方法、色斑属性判定系统、血管密集度估计方法、及血管密集度估计系统。


背景技术：

2.作为对色斑进行评价的技术，传统上已知各种技术。例如，存在一种技术，其根据对于色斑部位进行光疗后的该色斑部位处的黑色素体的有无或血流量，对色斑部位的光疗后的色斑的复发进行评价(例如参见专利文献1)。
3.《现有技术文献》
4.《专利文献》
5.专利文献1：日本特开2008-11994号公报


技术实现要素：

6.《本发明要解决的问题》
7.然而，在传统的技术中，如果并非是在针对色斑部位进行了光疗等治疗后，则无法对色斑进行评价，难以事先对针对色斑部位是否有治疗效果等进行预测。
8.本发明的目的在于提供一种色斑属性判定方法，其能够容易地对色斑进行评价。
9.《用于解决问题的手段》
10.为了解决上述问题，本发明的一个方面提供一种色斑属性判定方法，对含有色斑的皮肤的区域进行划定，对所述区域的血管密度进行测定，根据所述血管密度对所述色斑的属性进行判定。
11.《发明的效果》
12.根据本发明的一个方面，能够提供一种色斑属性判定方法，其能够容易地对色斑进行评价。
附图说明
13.图1是示出根据本发明的色斑属性判定方法的算法的一个示例的流程图。
14.图2是示出皮肤区域(色斑部位)的构成的图。
15.图3是示出对皮肤区域进行可视化的原理的图。
16.图4是以二维示出皮肤区域的血流图像的图。
17.图5是以三维示出皮肤区域的血流图像的图。
18.图6示出用于对皮肤区域的血流图像进行计算的模型公式。
19.图7是示出用于对皮肤区域处的血管密度与色斑属性之间的相关系数进行计算的算法的一个示例的流程图。
20.图8是示出治疗效果较高的色斑部位的治疗前的表面和内部结构的图。
21.图9是示出图8的色斑部位的治疗后3个月的表面的图。
22.图10是示出治疗效果较低的色斑部位的治疗前的表面和内部结构的图。
23.图11是示出图10的色斑部位的治疗后3个月的表面的图。
24.图12是示出色斑部位处的血管密度与黑色素值比之间的相关关系的图。
25.图13是示出色斑部位处的血管密度与亮度比之间的相关关系的图。
26.图14是示出色斑部位处的血管密度与激光治疗的效果之间的关系的图。
27.图15是示出根据本发明的色斑属性判定系统的实施方式的框图。
28.图16是示出根据本发明的血管密集度估计方法的算法的一个示例的流程图。
29.图17是示出基准表皮厚度的皮肤区域(正常部位)的剖面的图。
30.图18是示出包含色斑部位和正常部位的皮肤区域的剖面的图。
31.图19是示出皮肤区域处的表皮厚度比与血管密集度之间的相关关系的图。
32.图20是示出皮肤区域处的表皮厚度比与黑色素值比之间的相关关系的图。
33.图21是示出根据本发明的血管密集度估计系统的实施方式的框图。
具体实施方式
34.参照附图对本发明的实施方式详细进行说明。需要说明的是，有时针对在各图中共同的部分赋予相同的符号并省略其说明。
35.《色斑属性判定方法》
36.图1是示出根据本发明的色斑属性判定方法的算法的一个示例的流程图。图2是示出皮肤区域(色斑部位)的构成的图。
37.在本示例的色斑属性判定方法中，首先，对含有色斑ss的皮肤的区域(以下，有时称为皮肤区域或色斑部位)sa进行划定(参见图1、步骤s1、图2)。在此，色斑ss是指在肌肤上沉积有黑色素的状态(参见图2)。作为色斑ss的具体示例，除了包括老年性色素斑(日光性黑子)、脂溢性角化病、雀斑(freckle)、黄褐斑等以外，还包括炎症后色素沉着。
38.另外，皮肤的区域(皮肤区域)sa是指皮肤的表面和内部的区域。具体而言，皮肤的表面对应于表皮em，皮肤的内部对应于真皮dm(参见图2)。划定是指将含有色斑ss的皮肤区域sa作为一定范围(色斑部位)进行处理。需要说明的是，关于对皮肤区域(色斑部位)sa进行划定的方式并无限定。例如，皮肤区域(色斑部位)sa可以由专家或熟练者通过目视进行划定，也可以通过利用设备等进行的图像分析等机械地进行划定。
39.需要说明的是，在本示例的色斑属性判定方法中，关于对在色斑部位sa处包含的色斑ss进行确定的方式并无限定。在本示例的色斑属性判定方法中，例如可以基于含有色斑ss的皮肤区域sa的亮度或颜色对色斑ss进行确定。在此，皮肤区域sa的亮度是指色斑部位sa的表面的亮度。另外，皮肤区域sa的颜色是指色斑部位sa的表面的颜色。
40.接着，对皮肤区域(色斑部位)sa的血管bv进行可视化(参见图1、步骤s2、图2)。具体而言，取得划定出的皮肤区域(色斑部位)sa的图像。在此，皮肤区域(色斑部位)sa的图像是指通过对划定出的皮肤区域(色斑部位)sa进行拍摄或成像而得到的图像(或图像数据)。
41.在本例的色斑属性判定方法中，进一步对皮肤区域(色斑部位)sa的血管密度进行测定(参见图1、步骤s3、图2)。在此，血管密度是指血管bv密集的程度(参见图2)。需要说明的是，关于对血管密度进行测定的方式并无限定。在本示例中，如上所述通过皮肤区域sa的
图像的图像分析对血管密度进行测定。
42.另外，图像分析是指从图像中提取基本元素并获得统计数据。图像分析的方式是任意的，例如包括通过对皮肤区域sa的图像进行二值化来对皮肤区域进行可视化的图像分析等。
43.在本示例的色斑属性判定方法中，关于用于对血管密度进行测定的图像分析的图像的对象并无限定。在本示例的色斑属性判定方法中，用于图像分析的图像优选为皮肤区域sa的血流图像。在此，血流图像是指在皮肤区域sa中血液流动的区域的图像。
44.图3是示出对皮肤区域进行可视化的原理的图。在本示例中，通过图3所示的光学相干断层成像装置(optical coherence tomography，以下有时称为oct)vd形成血流图像等图像。在此，光学相干断层成像装置vd是从光源ls向皮肤区域sa照射低相干性的近红外线，以通过与反射的近红外线之间的干涉，以非接触的方式将皮肤区域sa可视化的装置(参见图3)。需要说明的是，近红外线的波长是任意的。在本实施方式中，照射的近红外线的波长设为大约1300nm。
45.需要说明的是，血流图像等图像不限于由oct形成的图像。作为通过oct以外的方法获得的图像，例如包括通过激光散斑血流仪、多普勒血流仪、视频显微镜等方法获得的图像。
46.作为皮肤区域sa的图像，可以使用二维平面图像im2(参见图4)。在平面图像im2中，图像的黑白反映来自组织的反射光强度，存在移动的区域的图像表示血流图像bf。
47.另外，作为皮肤区域sa的图像，可以使用三维图像im3来代替平面图像(二维图像)im2(参见图5)。在此，三维图像im3是指由三维正交坐标系(x轴、y轴、z轴)表示的立体图像。需要说明的是，在图5所示的示例中，作为三维图像im3，显示出距皮肤区域sa的表面的深度为200μm的三维图像im3e、以及距皮肤区域sa的表面的深度为400μm的三维图像im3d。
48.需要说明的是，血流图像bf可以通过图6所示的预定的模型公式(1)来计算。在血流图像bf为二维图像的情况下，血管密度是指血管bv(血流图像bf)的面积相对于划定出的皮肤区域(色斑部位)sa的面积的比例(％)，在血流图像bf为三维图像的情况下，血管密度是指血管bv(血流图像bf)的体积相对于划定出的皮肤区域(色斑部位)sa的体积的比例(％)。
49.在本示例的色斑属性判定方法中，关于用于取得用于图像分析的图像的皮肤区域sa的位置并无限定。在本示例的色斑属性判定方法中，皮肤区域sa的图像是从距皮肤区域sa的表面的深度为例如50μm以上且600μm以下的范围得到的图像(三维图像im3e)，并且优选是从200μm以上且500μm以下、更优选为300μm以上且400μm以下的范围得到的图像(三维图像im3d)。
50.在此，距皮肤区域sa的表面的深度为50μm以上且600μm以下的范围大致对应于包括表皮和真皮的范围，200μm以上且500μm以下的范围大致对应于包括真皮的范围，300μm以上且400μm以下的范围大致对应于真皮的一部分。
51.在本示例的色斑属性判定方法中，进一步根据血管密度对色斑ss的属性进行判定(参见图1、步骤s4、图2)。在此，色斑ss的属性(以下，有时也称为色斑属性)是指色斑ss所具备的固有的性质和特征。根据血管密度对色斑属性进行判定是指基于血管密度对色斑属性进行区分。
52.需要说明的是，在针对作为对象的皮肤区域(色斑部位)sa进行色斑属性的判定之后，针对另一个皮肤区域(色斑部位)sa判定色斑属性的情况下，重复从色斑部位sa的划定到色斑属性的判定的处理(参见图1、步骤s1～步骤s4)。
53.在本示例的色斑属性判定方法中，关于根据血管密度判定的色斑ss的属性并无限定。在本示例的色斑属性判定方法中，作为色斑ss的属性，对激光治疗对于色斑ss的有效性进行判定。在此，激光治疗是光疗的一种，是指通过照射激光，将作为色斑ss的原因的黑色素等选择性地破坏，以使色斑ss消失的治疗。治疗的有效性是指治疗效果的大小。
54.图7是示出用于对皮肤区域(色斑部位)处的血管密度与色斑属性之间的相关系数进行计算的算法的一个示例的流程图。在此，首先，对激光治疗前的皮肤区域(色斑部位)sa的血管密度和黑色素值mb进行测定(参见图2、图7、步骤s11、图8、图10)。
55.需要说明的是，黑色素值是指皮肤区域(色斑部位)sa的黑色度。黑色素值是表示皮肤颜色的指标的一个示例，与亮度成反比例的关系。黑色素值的测定方法是任意的。在本示例中，使用皮肤分析仪(gadelius medical公司制造，antera 3d)对黑色素值mb进行测定。
56.接着，对测定出黑色素值mb的皮肤区域(色斑部位)sa进行激光治疗(参见图2、图7、步骤s12)。具体而言，对色斑部位sa照射激光，以使在皮肤区域sa中包含的色斑ss消失(或变淡)。
57.针对激光治疗后的皮肤区域sa，对自激光治疗起3个月后的黑色素值ma进行测定(参见图2、图7、步骤s13、图9、图11)。黑色素值ma的测定与激光治疗前的皮肤区域(色斑部位)sa的黑色素值mb的测定(图7、步骤s11)同样地进行。
58.接着，对皮肤区域(色斑部位)sa处的激光治疗后的黑色素值ma与激光治疗前的黑色素值mb的比值ma/mb(以下称为黑色素值比m
*
)进行计算(参见图2、图7、步骤s14)。需要说明的是，显示出黑色素值比m
*
的值越高，则激光治疗效果越低，而黑色素值比m
*
的值越低，则激光治疗效果越高。
59.然后，对皮肤区域(色斑部位)sa的血管密度与黑色素值比m
*
之间的相关系数进行计算(图7、步骤s15)。在本示例中，针对以11名受试者作为对象的13个示例，将针对皮肤区域(色斑部位)sa的血管密度和黑色素值比m
*
进行测定而得到的数据进行作图，相关系数为0.63(参见图12)。
60.由此判定：在皮肤区域(色斑部位)sa的血管密度与黑色素值比m
*
之间存在相关关系。该相关关系显示出：如果皮肤区域(色斑部位)sa的血管密度较高，则黑色素值比m
*
较高，而如果皮肤区域(色斑部位)sa的血管密度较低，则黑色素值比m
*
较低。即，可以预测：血管密度较高的皮肤区域(色斑部位)sa的通过激光治疗的效果较低，而血管密度较低的皮肤区域(色斑部位)sa的通过激光治疗的效果较高(参见图14)。
61.另外，计算出皮肤区域(色斑部位)sa处的激光治疗后12周的亮度l
*
a与激光治疗前的亮度l
*
b的比值l
*
a/l
*
b(以下称为亮度比l
*
r)。需要说明的是，亮度的测定方法是任意的。在本示例中，使用皮肤分析仪(gadelius medical公司制造，antera 3d)，对亮度l
*
a、l
*
b进行测定。需要说明的是，显示出亮度比l
*
r的值越高，则激光治疗效果越高，而亮度比l
*
r的值越低，则激光治疗效果越低。
62.计算出皮肤区域(色斑部位)sa的血管密度与得到的亮度比l
*
r之间的相关系数。
关于皮肤区域(色斑部位)sa的血管密度和亮度比l
*
r，将针对上述11名受试者(13个示例)测定而得到数据作图，相关系数为-0.629(参见图13)。
63.由此判定：在皮肤区域(色斑部位)sa的血管密度与亮度比l
*
r之间也存在相关关系。该相关关系显示出：如果皮肤区域(色斑部位)sa的血管密度较高，则亮度比l
*
r较低，而如果皮肤区域(色斑部位)sa的血管密度较低，则亮度比l
*
r较高。即，可以预测：血管密度较高的皮肤区域(色斑部位)sa的通过激光治疗的效果较低，而血管密度较低的皮肤区域(色斑部位)sa的通过激光治疗的效果较高(参见图14)。
64.如上所述，本发明的发明人等发现：在含有色斑ss的皮肤区域(以下称为色斑部位)sa中存在血管密度较高的情况和血管密度较低的情况，并且在色斑部位sa中包含的色斑ss的属性因血管密度的高低而不同。具体而言，可以看出：存在在色斑部位sa的激光治疗后原样维持色斑ss消失的情况和色斑ss复发的情况，并且存在因血管密度的高低而产生该治疗效果的差异的趋势。即，发现：在色斑ss的属性与色斑部位sa的血管密度之间存在相关性。
65.本示例的色斑属性判定方法基于该考虑获得，其仅通过根据划定出的皮肤区域sa的血管密度对色斑属性进行判定，并对皮肤区域sa的血管密度进行测定，就能够对色斑部位sa的性质和特征进行辨别。由此，在本示例中，能够事先对针对色斑部位sa有无治疗效果等色斑属性进行预测。因此，根据本示例的色斑属性判定方法，能够在进行光疗等治疗之前容易地对色斑ss进行评价。
66.在本示例的色斑属性判定方法中，通过利用针对皮肤区域sa的图像分析对血管密度进行测定，从而能够得到关于皮肤区域sa的血管密度的客观的信息。因此，通过根据通过针对皮肤区域sa的图像分析而测定出的血管密度对色斑属性进行判定，从而能够以高精度对色斑属性进行判定。
67.在本示例的色斑属性判定方法中，通过利用针对皮肤区域sa的血流图像bf的图像分析对血管密度进行测定，从而能够得到关于皮肤区域sa的血管密度的更客观的信息。因此，通过根据通过针对皮肤区域sa的血流图像bf的图像分析而测定出的血管密度对色斑属性进行判定，从而能够以更高的精度对色斑属性进行判定。
68.在本示例的色斑属性判定方法中，通过利用针对皮肤区域sa的三维图像im3的图像分析对血管密度进行测定，从而能够得到关于皮肤区域sa的血管密度的进一步客观的信息。因此，通过基于利用图像分析对皮肤区域sa的三维图像im3进行测定而得到的血管密度对色斑属性进行判定，从而能够以进一步高的精度对色斑属性进行判定。
69.在本示例的色斑属性判定方法中，通过利用针对从距皮肤区域sa的表面的深度为50μm以上且600μm以下的范围得到的图像的图像分析对血管密度进行测定，从而能够得到关于皮肤区域sa的血管密度并无遗漏的信息。因此，通过基于利用针对从距皮肤区域sa的表面的深度为该范围的皮肤区域sa的位置得到的图像的图像分析而测定出的血管密度对色斑属性进行判定，从而能够以进一步高的精度对色斑属性进行判定。
70.在本示例的色斑属性判定方法中，通过基于含有色斑ss的皮肤区域sa的亮度或颜色对色斑ss进行确定，从而能够客观地进行含有色斑ss的皮肤区域sa的划定。因此，通过根据以此方式确定出色斑ss的皮肤区域sa的血管密度对色斑属性进行判定，从而能够以高精度对色斑属性进行判定。
71.在本示例的色斑属性判定方法中，通过作为色斑ss的属性，对激光治疗对于色斑ss的有效性进行判定，从而仅通过对皮肤区域sa的血管密度进行测定，就能够事先对激光治疗对于色斑部位sa有无效果进行预测。因此，根据本实施方式，能够在针对色斑部位sa进行激光治疗等治疗之前更容易地对色斑ss进行评价。
72.《色斑属性判定系统》
73.图15是示出根据本发明的色斑属性判定系统的实施方式的框图。根据本实施方式的色斑属性判定系统1具有信息输入部10、图像形成部20、血管密度测定部30、色斑属性判定部40、信息输出部50、中央处理单元(cpu)60、以及存储器70(图15)。色斑属性判定系统1是根据本发明的色斑属性判定系统的一个示例，并且可以执行根据本发明的色斑属性判定方法。
74.信息输入部10是能够输入受试者的各种信息(例如识别号、性别、年龄、色斑部位的位置等)的接口(参见图15)。信息输入部10以能够进行通信的方式连接到中央处理单元(cpu)60和存储器70(参见图15)。信息输入部10由中央处理单元(cpu)60控制。输入的信息可以存储在存储器70中。
75.图像形成部20形成含有色斑ss的皮肤区域(色斑部分)sa的图像(图像im2、im3等)(参见图2、图4、图5、图15)。具体而言，在图像形成部20中执行上述的色斑属性判定方法的一部分(图1、步骤s2)。
76.图像形成部20以能够进行通信的方式连接到信息输入部10、中央处理单元(cpu)60以及存储器70(参见图15)。图像形成部20由中央处理单元(cpu)60控制，由图像形成部20获得的图像数据可以存储在存储器70中。需要说明的是，图像形成部20是构成根据本发明的色斑属性判定系统的一部分的图像形成部的一个示例。
77.血管密度测定部30根据皮肤区域(色斑部位)sa的图像im对皮肤区域(色斑部位)sa的血管密度进行测定(参见图2、图4、图5、图15)。具体而言，在血管密度测定部30中执行上述的色斑属性判定方法的一部分(图1、步骤s3)。
78.血管密度测定部30以能够进行通信的方式连接到图像形成部20、中央处理单元(cpu)60以及存储器70(参见图15)。血管密度测定部30由中央处理单元(cpu)60控制，由血管密度测定部30获得的血管密度的信息可以存储在存储器70中。需要说明的是，血管密度测定部30是构成根据本发明的色斑属性判定系统的一部分的血管密度测定部的一个示例。
79.色斑属性判定部40根据皮肤区域(色斑部位)sa的血管密度对色斑ss的属性进行判定(参见图2、图15)。具体而言，在色斑属性判定部40中执行上述的色斑属性判定方法的一部分(图1、步骤s4)。
80.色斑属性判定部40以能够进行通信的方式连接到血管密度测定部30、中央处理单元(cpu)60以及存储器70(参见图15)。色斑属性判定部40由中央处理单元(cpu)60控制，由色斑属性判定部40获得的判定结果的信息可以存储在存储器70中。需要说明的是，色斑属性判定部40是构成根据本发明的色斑属性判定系统的一部分的色斑属性判定部的一个示例。
81.信息输出部50是能够将色斑属性判定部40中的判定结果的信息输出到色斑属性判定系统1的外部的接口(参见图15)。信息输出部50以能够进行通信的方式连接到色斑属性判定部40、中央处理单元cpu)60以及存储器70(参见图15)。信息输出部50由中央处理单
元(cpu)60控制。
82.需要说明的是，在信息输出部50中，可以直接输出色斑属性判定部40中的判定结果的信息，也可以从存储器70中读出在存储器70中存储的判定结果的信息并将其输出。另外，在信息输出部50中，除了输出色斑属性判定部40中的判定结果以外，还可以输出受试者的各种信息、皮肤区域(色斑部位)sa的图像数据、以及血管密度的信息。
83.另外，可以在信息输出部50上连接能够以有线或无线的方式进行通信的显示装置(未图示)。作为显示装置的具体示例，在信息输出部50与显示装置以有线的方式连接的情况下，包括个人计算机等的显示器。另外，在色斑属性判定系统1与显示装置以无线的方式连接的情况下，包括智能手机等通用的移动终端的显示器。
84.中央处理单元(cpu)60是对信息输入部10、图像形成部20、血管密度测定部30、色斑属性判定部40、信息输出部50、以及存储器70进行控制的处理器(参见图15)。如上所述，中央处理单元(cpu)60连接到信息输入部10、图像形成部20、血管密度测定部30、色斑属性判定部40、信息输出部50、以及存储器70(参见图15)。
85.存储器70对各种信息(受试者的各种信息、皮肤区域(色斑部位)sa的图像数据、血管密度、血管密度与黑色素值比之间的相关系数、血管密度与亮度比之间的相关系数、以及其他的判定结果等信息)进行存储(参见图15)。如上所述，存储器70连接到信息输入部10、图像形成部20、血管密度测定部30、色斑属性判定部40、信息输出部50、以及中央处理单元(cpu)60(参见图15)。需要说明的是，在图15所示的示例中，虽然存储器70以独立于中央处理单元(cpu)60的方式布置，但是本实施方式不限于该构成，也可以将存储器70布置在中央处理单元(cpu)60的内部。
86.需要说明的是，在色斑属性判定系统1中，从以高精度对色斑属性进行判定的观点出发，图像分析中使用的图像im优选为皮肤区域sa的血流图像bf。在本实施方式的色斑属性判定系统1中，根据通过针对划定出的皮肤区域sa的血流图像bf进行图像分析而测定出的血管密度，对色斑属性进行判定(图1、步骤s1～s4)。
87.本实施方式的色斑属性判定系统1实质上是执行上述的本实施方式的色斑属性判定方法的系统。即，在本实施方式中，能够对含有色斑ss的皮肤区域sa进行划定，对皮肤区域sa的血管密度进行测定，并根据血管密度对色斑ss的属性进行判定(参见图1、图2)。
88.由此，在本实施方式中，由于仅通过对皮肤区域sa的血管密度进行测定，就能够对色斑部位sa的性质和特征进行辨别，因此能够事先对针对色斑部位sa有无治疗效果等色斑属性进行预测。因此，根据本实施方式，能够在进行光疗等治疗之前容易地对色斑ss进行评价。
89.另外，在本实施方式中，通过利用针对皮肤区域sa的血流图像bf的图像分析对血管密度进行测定，从而能够得到关于皮肤区域sa的血管密度的更客观的信息。因此，通过根据通过针对皮肤区域sa的血流图像bf的图像分析而测定出的血管密度对色斑属性进行判定，从而能够以更高的精度对色斑属性进行判定。
90.《血管密集度估计方法》
91.图16是示出根据本发明的血管密集度估计方法的算法的一个示例的流程图。图17是示出基准表皮厚度的皮肤区域(正常部位)的剖面的图，图18是示出包含色斑部位和正常部位的皮肤区域的剖面的图。需要说明的是，在图16～图18中，有时针对与图1和图2共同的
部分赋予相同或对应的符号并省略其说明。
92.在本示例的血管密集度估计方法中，首先，对皮肤区域进行划定(图16、步骤s21)。所测定的皮肤区域可以是色斑部位的皮肤区域(含有色斑的皮肤区域)，也可以是是否为色斑部位事先不明的皮肤区域。作为测定对象的皮肤区域例如是皮肤区域sa1、sa2(图17、图18)。
93.皮肤区域sa1是正常部位的(并非色斑部位的)皮肤区域，并且由表皮em1和真皮dm1构成。皮肤区域sa1的表皮em1具有厚度(表皮厚度)et1。皮肤区域sa1(正常部位)的表皮em1的表皮厚度et1对应于后述的基准表皮厚度。另外，在皮肤区域sa1的真皮dm1中，血管bv1密集。
94.皮肤区域sa2是色斑部位的皮肤区域，并且由表皮em2和真皮dm2构成。皮肤区域sa1的表皮em1具有厚度(表皮厚度)et2。皮肤区域sa2(色斑部位)的表皮厚度et2比皮肤区域sa1(正常部位)的表皮厚度et1(基准表皮厚度)厚。另外，在皮肤区域sa2的真皮dm2中，血管bv2密集。皮肤区域sa2的血管bv2的血管的密集度比皮肤区域sa1的真皮dm1的血管的密集度高。
95.接着，对划定出的皮肤区域sa1、sa2的表皮厚度et1、et2进行测定(参见图16、步骤s22、图17)。在本示例的血管密集度估计方法中，通过针对皮肤区域sa1、sa2的各图像的图像分析，对皮肤区域sa1、sa2的表皮厚度et1、et2进行测定。需要说明的是，在针对皮肤区域sa1、sa2的各图像的图像分析中，可以使用上述的对皮肤区域进行可视化的方法(使用oct等的方法)(参见图3)。
96.另外，作为图像分析的对象的图像是皮肤区域sa1、sa2的各表皮em1、em2的图像。即，用于取得用于图像分析的图像的皮肤区域sa1、sa2的位置是皮肤区域sa1、sa2的表皮em1、em2。
97.在本示例的血管密集度估计方法中，皮肤区域sa1、sa2的各图像是从距皮肤区域sa1、sa2的表面的深度(表皮厚度em1、em2)为例如50μm以上且600μm以下的范围得到的图像(三维图像im3e)，并且优选是从50μm以上且300μm以下、更优选为50μm以上且200μm以下的范围得到的图像(三维图像im3d)(参见图5)。
98.即，距皮肤区域sa1、sa2的表面的深度为50μm以上且600μm以下的范围大致对应于包括表皮em1、em2和真皮dm1、dm2的范围，50μm以上且400μm以下的范围大致对应于包括表皮em1、em2和真皮dm1、dm2的一部分的范围，300μm以上200μm以下的范围大致对应于真皮dm1、dm2的一部分。
99.在本示例的血管密集度估计方法中，将测定出的表皮厚度相对于预定的基准表皮厚度的比值作为表皮厚度比进行计算(参见图16、步骤s23、图17)。在此，预定的基准表皮厚度是指预先规定的正常部位的皮肤区域的表皮厚度。另外，当将预定的基准表皮厚度设为st，并将测定出的表皮厚度设为mt时，表皮厚度比由mt/st表示。
100.在表皮厚度比mt/st大于1的情况下，显示出测定出的皮肤区域的表皮厚度比正常部位的皮肤区域的表皮厚度厚。在表皮厚度比mt/st为1的情况下，显示出测定出的皮肤区域与正常部位的表皮厚度为同等程度。
101.在本示例中，例如，可以预先对皮肤区域sa1(正常部位)的表皮em1的表皮厚度进行测定，并将得到的表皮厚度et1作为预定的基准表皮厚度。另外，可以对皮肤区域sa2(色
斑部分)的表皮em2的表皮厚度et2进行测定，并将得到的表皮厚度et2作为测定出的表皮厚度。
102.在本示例的血管密集度估计方法中，进一步根据计算出的表皮厚度比mt/st对皮肤区域的血管密集度进行估计(参见图16、步骤s24、图17)。在此，血管密集度是指在皮肤区域内血管密集的程度。根据表皮厚度比对血管密集度进行估计是指基于表皮厚度比对血管密集度进行估测。
103.需要说明的是，在针对作为对象的皮肤区域sa1、sa2进行血管密集度的估计之后，针对另一个皮肤区域估计血管密集度的情况下，重复从皮肤区域的划定到血管密集度的估计的处理(参见图16、步骤s21～步骤s24)。
104.血管密集度例如可以如下进行计算。首先，通过对利用上述的色斑属性判定方法采用的血管密度进行测定，从而对具有预定的基准表皮厚度的皮肤区域sa1(正常部位)的血管密度(基准血管密度)md1和对表皮厚度进行了测定的皮肤区域sa2的血管密度md2进行测定。然后，将皮肤区域sa2的血管密度md2相对于预定的基准血管密度md1的比值(血管密度比md2/md1)作为血管密集度进行计算。
105.图19是示出皮肤区域处的表皮厚度比与血管密集度之间的相关关系的图。本发明人发现：在表皮厚度比mt/st(e
*
)于与血管密度比md2/md1之间存在相关关系(图19)。在此，对表皮厚度比mt/st(e
*
)与血管密度比md2/md1之间的关系进行调查的n数为25(图19)。
106.在本示例的血管密集度估计方法中，可以根据估计出的血管密集度对在皮肤区域中产生的色斑的属性(色斑属性)进行判定。在此，根据血管密集度对色斑属性进行判定是指基于血管密集度对色斑属性进行区分。
107.如果从不同的角度来看，则可以说本示例的血管密集度估计方法可以根据计算出的表皮厚度比mt/st(e
*
)对色斑的属性进行判定。在此，根据表皮厚度比对色斑属性进行判定是指基于表皮厚度比对色斑属性进行区分。另外，可以事先判定在计算表皮厚度比时确定的皮肤区域是色斑部分(含有色斑的皮肤区域)。
108.需要说明的是，在本示例的血管密集度估计方法中，关于对包含在色斑部位中的色斑进行确定的方式并无限定。在本示例的血管密集度估计方法中，例如可以基于含有色斑的皮肤区域sa2的亮度或颜色对色斑进行确定。
109.在本示例的血管密集度估计方法中，关于根据血管密集度判定的色斑的属性并无限定。作为利用本示例的血管密集度估计方法判定的色斑属性，例如，可以与上述的色斑属性判定方法同样地，对激光治疗对于色斑的有效性进行判定。
110.在此，针对皮肤区域sa2，可以与上述的色斑属性判定方法同样地，对激光治疗前的血管密度和黑色素值mb、以及自激光治疗起3个月后的黑色素值ma进行测定，并计算黑色素值比ma/mb(m
*
)(参见图7、步骤s11～s14、图8、图10、图18)。需要说明的是，皮肤区域sa2相当于通过上述的色斑属性判定方法对黑色素值mb进行测定而得到的皮肤区域(色斑部位)sa(参见图2)。
111.然后，计算皮肤区域(色斑部位)sa2的表皮厚度比e
*
与黑色素值比m
*
之间的相关系数(图7、步骤s15)。在本示例中，针对以11名受试者作为对象的12个示例，将对通过对皮肤区域(色斑部位)sa2的表皮厚度比e
*
和黑色素值比m
*
进行测定而得到的数据作图，相关系数为0.75(参见图20)。
112.由此判定：在皮肤区域(色斑部位)sa2的表皮厚度比e
*
与黑色素值比m
*
之间存在相关关系。该相关关系显示出：如果皮肤区域(色斑部位)sa2的表皮厚度比e
*
较厚，则黑色素值比m
*
较高，而如果皮肤区域的表皮厚度比e
*
较薄，则黑色素值比m
*
较低。
113.即，存在表皮厚度比较厚的皮肤区域的血管密度较高，而表皮厚度比较薄的皮肤区域的血管密度较低的趋势。因此，可以预测：表皮厚度比较厚的皮肤区域的通过激光治疗的效果较低，而表皮厚度比较薄的皮肤区域的通过激光治疗的效果较高(图20)。
114.本示例的血管密集度估计方法基于该考虑获得，其仅通过根据划定出的皮肤区域处的表皮厚度比(测定出的表皮厚度相对于预定的基准表皮厚度的比值)对皮肤区域的血管密集度进行估计，以对皮肤区域的表皮厚度进行测定，就能够对皮肤区域的性质和特征(皮肤区域是正常部位，还是色斑部位等)进行辨别。
115.在本示例的血管密集度估计方法中，通过采用血管密度比(区域的血管密度相对于预定的基准血管密度的比值)作为血管密集度，从而能够导出皮肤区域内的表皮厚度与血管密集度之间的相关关系。由此，能够获得关于皮肤区域的血管密集度的客观的信息。
116.在本示例的血管密集度估计方法中，通过针对皮肤区域的图像的图像分析对表皮厚度进行测定，从而能够获得关于皮肤区域的血管密集度的更客观的信息。因此，通过根据通过针对皮肤区域的图像的图像分析而测定出的表皮厚度来计算表皮厚度比，从而能够以高精度对血管密集度进行估计。
117.在本示例的血管密集度估计方法中，通过对皮肤区域的表皮的图像进行图像分析，从而能够获得关于皮肤区域的表皮厚度的更客观的信息。因此，通过根据通过针对皮肤区域的表皮厚度的图像的图像分析而测定出的表皮厚度来计算表皮厚度比，从而能够以进一步高的精度对血管密集度进行估计。
118.在本示例的血管密集度估计方法中，通过采用三维图像作为皮肤区域的图像，从而能够获得关于皮肤区域的表皮厚度的进一步客观的信息。因此，通过基于通过对皮肤区域的三维图像进行图像分析而测定出的表皮厚度来计算表皮厚度比，从而能够以进一步高的精度对血管密集度进行估计。
119.在本示例的血管密集度估计方法中，通过利用针对从距皮肤区域的表面的深度为50μm以上且600μm以下的范围得到的图像的图像分析对表皮厚度进行测定，从而能够得到关于皮肤区域的表皮厚度并无遗漏的信息。因此，通过基于利用针对从距皮肤区域的表面的深度为该范围的皮肤区域的位置得到的图像的图像分析而测定出的表皮厚度对表皮厚度比进行计算，从而能够以进一步高的精度对血管密集度进行估计。
120.在本示例的血管密集度估计方法中，通过根据估计出的密集度对在皮肤区域中产生的色斑的属性进行判定，从而仅通过对皮肤区域的表皮厚度进行测定，就能够对皮肤区域是正常部位还是色斑部位进行辨别。由此，能够对是否为色斑部位不明的皮肤区域是正常部位还是色斑部位进行预测。因此，根据本示例的血管密集度估计方法，能够事先对是否是适合进行光疗等治疗的皮肤区域进行判定。
121.在本示例的血管密集度估计方法中，通过对含有色斑的皮肤区域进行划定，对划定出的皮肤区域的表皮厚度进行测定，并根据计算出的表皮厚度比对色斑的属性进行判定，从而能够对色斑部位的性质和特征进行辨别。由此，能够事先对针对色斑部位有无治疗效果等色斑属性进行预测。因此，根据本示例的血管密集度估计方法，能够在进行光疗等治
疗之前容易地对色斑进行评价。
122.在本示例的血管密集度估计方法中，通过基于含有色斑的皮肤区域的亮度或颜色对色斑进行确定，从而能够客观地进行含有色斑的皮肤区域的划定。因此，通过根据以此方式确定了色斑的皮肤区域的血管密度对色斑属性进行判定，从而能够以高精度对色斑属性进行判定。
123.在本示例的血管密集度估计方法中，通过作为色斑的属性，对激光治疗对于色斑的有效性进行判定，从而仅通过对皮肤区域的血管密度进行测定，就能够事先对激光治疗对于色斑部位有无效果进行预测。因此，根据本实施方式，能够在针对色斑部位进行激光治疗等治疗之前更容易地对色斑进行评价。
124.《血管密集度估计系统》
125.图21是示出根据本发明的血管密集度估计系统的实施方式的框图。需要说明的是，在图21中，有时针对与图15共同的部分赋予相同或对应的符号并省略其说明。
126.根据本实施方式的血管密集度估计系统100具有信息输入部110、图像形成部120、表皮厚度测定部131、表皮厚度比计算部132、血管密集度估计部133、色斑属性判定部140、信息输出部150、中央处理单元(cpu)160、以及存储器170(图21)。血管密集度估计系统100是根据本发明的血管密集度估计系统的一个示例，并且可以执行根据本发明的血管密集度估计方法。
127.信息输入部110可以输入受试者的各种信息(例如识别号、性别、年龄、正常部位的位置、色斑部位的位置等)(图21)。
128.图像形成部120形成皮肤区域sa1(正常部位)和皮肤区域sa2(色斑部分)的图像(图像im2、im3等)(参见图2、图4、图5)。具体而言，在图像形成部120中执行上述的血管密集度估计方法的一部分(图16、步骤s21)，并且确定各皮肤区域(皮肤区域sa1、sa2)。
129.图像形成部120以能够进行通信的方式连接到信息输入部110、表皮厚度测定部131、中央处理单元(cpu)160、以及存储器170(图21)。图像形成部120由中央处理单元(cpu)160控制，由图像形成部120获得的图像数据可以存储在存储器170中。需要说明的是，图像形成部120是构成根据本发明的色斑属性判定系统的一部分的图像形成部的一个示例。
130.表皮厚度测定部131根据各皮肤区域(皮肤区域sa1、sa2)的图像im3对皮肤区域的表皮厚度et1、et2进行测定(图16～图18)。具体而言，在表皮厚度测定部131中执行上述的色斑属性判定方法的一部分(图16、步骤s22)。
131.表皮厚度测定部131以能够进行通信的方式连接到图像形成部120、表皮厚度比计算部132、中央处理单元(cpu)160、以及存储器170(图21)。表皮厚度测定部131由中央处理单元(cpu)160控制，由表皮厚度测定部131获得的表皮厚度的信息可以存储在存储器70中。需要说明的是，表皮厚度测定部131是构成根据本发明的血管密集度估计系统的一部分的表皮厚度测定部的一个示例。
132.表皮厚度比计算部132对测定出的皮肤区域sa2的表皮厚度et2相对于皮肤区域sa1的表皮厚度et1(预定的基准表皮厚度)的比值(表皮厚度比et2/et1(e
*
))进行计算(图16～图18)。具体而言，在表皮厚度比计算部132中执行上述的血管密集度估计方法的一部分(图16、步骤s23)。
133.表皮厚度比计算部132以能够进行通信的方式连接到表皮厚度测定部131、血管密
集度估计部133、中央处理单元(cpu)160、以及存储器170(图21)。表皮厚度比计算部132由中央处理单元(cpu)160控制，由表皮厚度比计算部132获得的表皮厚度比的信息可以存储在存储器170中。表皮厚度比计算部132是构成根据本发明的血管密集度估计系统的一部分的表皮厚度比计算部的一个示例。
134.血管密集度估计部133根据计算出的表皮厚度比et2/et1(e
*
)对皮肤区域sa2的血管密集度进行估计(图16～图18)。具体而言，在血管密集度估计部133中执行上述的血管密集度估计方法的一部分(图16、步骤s24)。
135.血管密集度估计部133以能够进行通信的方式连接到表皮厚度比计算部132、色斑属性判定部140、中央处理单元(cpu)160、以及存储器170(图21)。血管密集度估计部133由中央处理单元(cpu)160控制，由血管密集度估计部133获得的血管密集度的信息可以存储在存储器170中。血管密集度估计部133是构成根据本发明的血管密集度估计系统的一部分的血管密集度估计部的一个示例。
136.色斑属性判定部140根据估计出的血管密集度对在皮肤区域sa2中产生的色斑的属性进行判定(参见图17～图19)。具体而言，在色斑属性判定部140中执行上述的色斑属性判定方法的一部分(在皮肤区域中产生的色斑属性的判定)。
137.色斑属性判定部140以能够进行通信的方式连接到血管密集度估计部133、中央处理单元(cpu)160、以及存储器170(图21)。色斑属性判定部140由中央处理单元(cpu)160控制，由色斑属性判定部140获得的判定结果的信息可以存储在存储器170中。色斑属性判定部140是构成根据本发明的血管密集度估计系统的一部分的色斑属性判定部的一个示例。
138.信息输出部150除了输出色斑属性判定部40中的判定结果以外，还可以输出受试者的各种信息、皮肤区域(正常部位、色斑部位)的图像数据、基准表皮厚度、以及基准血管密度等信息。
139.中央处理单元(cpu)160对信息输入部110、图像形成部120、表皮厚度比计算部132、血管密集度估计部133、色斑属性判定部140、信息输出部150、以及存储器170进行控制(图21)。如上所述，中央处理单元(cpu)160连接到信息输入部110、图像形成部120、表皮厚度比计算部132、血管密集度估计部133、色斑属性判定部140、信息输出部150、以及存储器70(图21)。
140.存储器170对各种信息(受试者的各种信息、正常部位的位置、色斑部位的位置、皮肤区域(正常部位、色斑部位)的图像数据、表皮厚度、表皮厚度比、血管密集度(血管密集度比)、血管密度、表皮厚度比与血管密集度之间的相关系数、表皮厚度比与黑色素值比之间的相关系数、以及其他的判定结果等信息)进行存储(图21)。
141.如上所述，存储器170连接到信息输入部110、图像形成部120、表皮厚度比计算部132、血管密集度估计部133、色斑属性判定部140、信息输出部150、以及中央处理单元(cpu)160(图21)。需要说明的是，在图15所示的示例中，虽然存储器170以独立于中央处理单元(cpu)160的方式布置，但是本实施方式不限于该构成，也可以将存储器170布置在中央处理单元(cpu)160的内部。
142.本实施方式的血管密集度估计系统100实质上是执行上述的本实施方式的血管密集度估计方法的系统。即，在根据本实施方式的血管密集度估计系统100中，能够对皮肤区域进行划定，对划定出的皮肤区域的表皮厚度进行测定，计算表皮厚度比(测定出的表皮厚
度相对于预定的基准表皮厚度的比值)，并根据计算出的表皮厚度比对皮肤区域的血管密集度进行估计(参见图16～图18)。
143.由此，在本实施方式中，仅通过对皮肤区域的表皮厚度进行测定，就能够对皮肤区域的性质和特征(皮肤区域是正常部位还是色斑部位等)进行辨别。
144.另外，在根据本实施方式的血管密集度估计系统100中，可以根据估计出的血管密集度对在皮肤区域中产生的色斑的属性进行判定(参见图16～图20)。
145.由此，能够对是否为色斑部位不明的皮肤区域是正常部位还是色斑部位进行预测。因此，根据本示例的血管密集度估计方法，能够事先对是否是适合进行光疗等治疗的皮肤区域进行判定。
146.以上虽然对本发明的实施方式进行了说明，但是本发明不限于特定的实施方式，并且可以在权利要求书所记载的发明的范围内进行各种变形、改变。
147.本技术以于2019年11月8日提交的国际申请pct/jp2019/044031号作为要求优先权的基础，并且在此援引其全部内容。
148.符号说明
[0149]1ꢀꢀꢀꢀ
色斑属性判定系统；
[0150]
10
ꢀꢀꢀ
信息输入部；
[0151]
20
ꢀꢀꢀ
图像形成部；
[0152]
30
ꢀꢀꢀ
血管密度测定部；
[0153]
40
ꢀꢀꢀ
色斑属性判定部；
[0154]
50
ꢀꢀꢀ
信息输出部；
[0155]
60
ꢀꢀꢀ
中央处理单元(cpu)；
[0156]
70
ꢀꢀꢀ
存储器；
[0157]
100
ꢀꢀ
血管密集度估计系统；
[0158]
110
ꢀꢀ
信息输入部；
[0159]
120
ꢀꢀ
图像形成部；
[0160]
131
ꢀꢀꢀꢀ
表皮厚度测定部；
[0161]
132
ꢀꢀꢀꢀ
表皮厚度比计算部；
[0162]
133
ꢀꢀꢀꢀ
血管密集度估计部；
[0163]
140
ꢀꢀꢀꢀ
色斑属性判定部；
[0164]
150
ꢀꢀꢀꢀ
信息输出部；
[0165]
160
ꢀꢀꢀꢀ
中央处理单元(cpu)；
[0166]
170
ꢀꢀꢀꢀ
存储器；
[0167]
ss
ꢀꢀꢀꢀ
色斑；
[0168]
sa
ꢀꢀꢀꢀ
皮肤区域；
[0169]
sa1
ꢀꢀꢀꢀ
皮肤区域(正常部位)；
[0170]
sa2
ꢀꢀꢀꢀ
皮肤区域(色斑部位)；
[0171]
em
ꢀꢀꢀꢀ
表皮；
[0172]
em1
ꢀꢀꢀꢀ
表皮(正常部位)；
[0173]
em2
ꢀꢀꢀꢀ
表皮(色斑部位)；
[0174]
dm
ꢀꢀꢀꢀ
真皮；
[0175]
dm1
ꢀꢀꢀꢀ
真皮(正常部位)；
[0176]
dm2
ꢀꢀꢀꢀ
真皮(色斑部位)；
[0177]
bv
ꢀꢀꢀꢀ
血管；
[0178]
bv1
ꢀꢀꢀꢀ
血管(正常部位)；
[0179]
bv2
ꢀꢀꢀꢀ
血管(色斑部位)；
[0180]
im2
ꢀꢀꢀꢀ
二维图像；
[0181]
im3
ꢀꢀꢀꢀ
三维图像；
[0182]
im3e
ꢀꢀꢀ
表皮的三维图像；
[0183]
im3d
ꢀꢀꢀ
真皮的三维图像；
[0184]
bf
ꢀꢀꢀꢀ
血流图像；
[0185]
et1
ꢀꢀꢀꢀ
表皮厚度(正常部位)；
[0186]
et2
ꢀꢀꢀꢀ
表皮厚度(色斑部位)。