文摘
糖尿病皮肤表现,先前的溃疡和伤口,没有高度的即使他们代表的第一症状诊断血管损伤和出现在70%的II型糖尿病患者。在这里,应用程序基于一个三级的皮肤斑点特征分割和描述算法用于分类血管,瘀点、营养变化,创伤及下肢的数码照片。首先,为了找到皮肤区域执行,一个逻辑乘法两个皮肤上面具从颜色空间转换;动态阈值稳定各种肤色的主见。然后,以定位病变区域使用彩色模型,光照增强执行颜色空间,紧随其后的是一个主成分分析灰度变换。最后,每种类型的特征斑点被认为和分类;形态学特性(面积、轴、周长、可靠性),强度属性,一组阴影指数(红、绿、蓝、棕色)作为测量提出了排除肤色差异科目。计算的值显示斑点之间的差异有统计学意义,同意医生的诊断。后,斑点属性是美联储的人工神经网络分类器,这被证明是一个97.5%的准确率,区分它们。特征是有用的为了追踪斑点的变化和发展,提供早期治疗提供有意义的信息,并提供支持,预防由于糖尿病足截肢。图形用户界面被设计用来显示斑点的属性;这个应用程序可能是未来的背景协助诊断工具教育(即。,untrained physicians) and preventive assistance technology purposes.
1。介绍
糖尿病是一个快速增长的慢性疾病患病率为20%,这是记录作为一个非传染性疾病(1]。糖尿病2型的特点是胰岛素抵抗。胰岛素是一种激素,有助于提供葡萄糖的细胞,例如,肌肉细胞在代谢能源(2]。胰岛素抵抗是糖尿病发展的标志。在这个过程中,被称为高血糖,葡萄糖不是交付给细胞,在体内积聚。
根据2014年的糖尿病从世界卫生组织(世卫组织)报告3),世界上有4.22亿人患有糖尿病。在发展中国家,普遍增加。在墨西哥,卫生部门通过2016年国家健康与营养调查(2016年ENSANUT) (4报道称,9.4%的墨西哥成年人(即。,6。5millions) have been diagnosed with diabetes. However, in 2017, the International Diabetes Federation (IDF) [5)报道,有12数百万墨西哥成年人患有糖尿病,但37.5%没有意识到他们有这种疾病。
并发症如肥胖、高血压、血脂异常、等,是患糖尿病诱发因素6]。更多的,当这些并发症存在糖尿病,身体功能的迅速恶化可能出现和持续;糖尿病视网膜病变和糖尿病足4)可以导致失明或导致截肢导致残疾。
糖尿病相关,从长远来看,与退化过程影响心血管和神经系统,以及眼睛和皮肤(7]。从30 - 70%的糖尿病患者发展为皮肤问题(7,8]。神经病变、微血管病和糖尿病足的macroangiopathy是主要的诱发因素。他们的进化导致血流量减少,缺血,结构和功能损伤,和一个重载的肢体由于缺少敏感性;所有这些把脚处于危险之中。此外,只是添加了类似的一个简单的外伤或感染可能会导致溃疡,病变,甚至坏死(9]。
尽管微血管病和macroangiopathy主要贡献者并发症如皮肤损伤或糖尿病足,新陈代谢混乱也有显著的直接影响,特别是皮肤改变(7]。其中一些表现被称为斑点(10)被定义为一个平面,不同的,变色的皮肤。其他症状可能包括缺乏体毛,淡黄色的颜色,无情的形成、甲癣,脚和脚趾变形,和其他人7,8]。尽管一般斑点出现,他们不考虑作为诊断元素(11,12),也不是注册信息,可能会导致早期诊断糖尿病足(12,13]。
贴切地、微血管病和macroangiopathy大多数皮肤表现的原因也被发现在糖尿病患者没有被诊断出患有糖尿病足(14]。
在糖尿病的情况下,皮肤表现并没有占为疾病的一个重要方面15]。的皮肤疾病患病率高这些病人作为事实上,作者和各种报告,这些障碍存在于∼70%的病人(14]。
Kiziltan et al。14]国家糖尿病皮肤病患者更常见神经病变或大血管疾病;同时,他们报告经常出现在多神经病患者的症状和体征。Pavicic和科特16)报告,外周动脉阻塞性疾病(PAOD)是6倍更频繁的在糖尿病患者和PAOD,神经病变,macroangiopathy是其发展的重要病理生理的因素。
几个相关的研究报告,73%15)到80% (17)的病人出现皮肤损伤或改变采样。糖尿病皮肤病总是首先是最常见的糖尿病患者的皮肤表现。Pavicic和科特16]国家,疾病的增加持续时间上升的可能性皮肤参与;45%的患者糖尿病20多年开发了一个周围性血管疾病,提出了干燥病和75 - 82.1%,这可能会导致皮肤的眼泪(16]。
任何肤色变化被称为斑点。斑点可能是狼疮(起源于血管扩张或形成新的血管),pigmentosae(可hyperpigmented、白色或消色差),或人工等等。血管及发生二次反应,例如,药物,由于周围静脉功能不全或创伤(18]。
一个血管变得模糊是源于微观——或者macrovascular问题,皮下血管的影响。这些斑点是圆形的,红棕色;通常,他们提出一个直径1厘米,但他们可以更小。瘀点非常小(针头大小),红色的,圆形的斑点出现在小腿上,通常是用阿司匹林治疗的继发效应。由于营养改变斑点当患者存在慢性静脉功能不全。他们是深色的皮肤,有一个比其他斑点面积较大,主要出现在脚踝和小腿。及由于创伤的证据(不同于疤痕或痂)等创伤事件的冲击在胫骨。他们是棕色的颜色和形状变化根据创伤。这个斑点在糖尿病患者的皮肤滞留更长一段时间比健康的病人。
存在所有这些皮肤症状前诊断糖尿病足;病人可有他们所有人在同一时间,他们通常覆盖。这些斑点出现在腿,有大面积的不同部分未定义的边界。本地化和不可告人的分割是一个具有挑战性的任务,但最终结果可以被用作工具斑点特征,足部健康预后,甚至截肢风险评估。
关于图像处理的算法,这些类型的斑点不是评估或加工,直到他们成为病变或溃疡(19]。计算机辅助诊断已经用于皮肤损伤皮肤和dermoscopy(例如,癌、黑色素瘤)20.- - - - - -22通过支持向量机(21),支持向量分类(20.),或种子区域生长22),但不是在预防糖尿病足的发展。一般来说,工具评估皮肤问题由于糖尿病2型的重点是先进的病变和使用调查问卷(18)评估病变向内生长的指甲,溃疡,老茧,或裂缝,这发生在糖尿病足的诊断。
在本文中,我们提出一个图形用户界面(GUI)的设计开发的Matlab®作为皮肤斑点的描述的应用程序。GUI是基于分割算法,应用图像处理技术为了找到感兴趣区域(ROI)的斑点出现在图像描述的腿和脚糖尿病2型患者。我们也提出一个统计研究的属性和分类器计算4类型的斑点。
2。材料和方法
第一步是获得的彩色数码照片皮肤斑点”皮肤图像“从下肢。为了这个目的,一个设备称为无线图像采集系统(wia) [23使用了)。设备包括一个数字无线摄像头(索尼DCS-QX100 18议员),它提供了一个RGB图像(图1)。变焦和flash从未使用,以避免决议或捕获明亮区域的变化,分别。变化面积、形状和颜色的斑点是文档的皮肤图像。
(一)
(b)
血管斑点,斑点研究工作出血点,斑疹由于营养变化,由于创伤和斑点。这项研究是在心脏康复服务研究所的墨西哥城。皮肤图像处理使用Matlab的图像处理工具箱®。他们从19日墨西哥病人诊断为糖尿病II型,但尚未与糖尿病足,谁给了他们签署知情同意。
通过提出分割和特征进行强度图像处理算法,如下所述:
阶段1。(皮肤区域)。在彩色摄影皮肤识别。
阶段2。(皮肤区域- - - - - -病变区域)。识别可能的病变。
阶段3。(病变区域)。的特征斑点。
2.1。第一阶段(皮肤区域)
使用wia设备的目的是能够获得可重复的数码照片从感兴趣的领域形成下肢,这些被称为图像皮肤图像。的颜色皮肤图像包含的元素没有感兴趣的,例如,长袍,床上的衣服,和其他背景组件。所以,第一个目标是部分病人的腿。
可以将彩色图像转换为不同的颜色空间(24(即。,domain transformation) in order to enhance the characteristics of interest, i.e., the differences between skin and nonskin and the similarity among different skin tones. If we see the皮肤图像作为一个矩阵,大小取决于相机的分辨率。图像有3个水平的深度;每一层对应于一个RGB颜色矩阵,这些矩阵的每一个细胞都对应一个像素,其价值是8位的强度水平。
在阶段1中,第一步是将图像从RGB到HSV颜色空间。RGB图像描述的红、绿、蓝。HSV颜色空间做了同样的事情但在色调方面,饱和,和价值。该算法(25由方程()描述1)。RGB值应该规范化范围(0 - 1): 在哪里代表亮度值,是饱和,颜色矩阵。的 , ,和值必须除以255(例如,R=R/ 255)为了满足归一化条件。颜色矩阵被选中(此属性允许roi和背景之间的区别),一个固定的阈值设定,和一个强度范围决心找到一个基调的值(方程(2))。这成为第一个皮肤面膜:
与皮肤面膜1,它是不可能确定各种肤色,所以有必要使算法更加健壮。因此,第二个颜色空间转换应用使用YCbCr彩色空间变换矩阵确定如下(26]:
然后,使用动态范围。Cb的直方图和Cr矩阵计算;然后,这些值被用来设置动态限制为了过程不同的皮肤颜色和色调范围广泛。这意味着根据直方图的值,该算法将调整阈值,因此它将调整病人的肤色。中找到的值动态范围概述第二皮肤面膜: 的极限方程中使用Cb和Cr的价值观改变了每一个肤色。
然后,为了将数据从颜色空间,HSV和YCbCr面具被添加在一个操作;这允许生成的面具在范围广泛的肤色。这产生了一个更健壮的这个阶段和一个更精确的算法皮肤区域。
2.2。第二阶段(病变区域)
一旦皮肤区域分段,皮肤损伤必须确定。从原始图像在RGB颜色空间中,像素值必须被放大,所以他们变得变深或变浅,因为他们与健康或损坏区域。为此,下面描述的过程之后。
颜色空间CIE 1976 是用于处理光度(27),以饱和强度值。这种转变是来自下列方程(28]:
这一阶段的矩阵与光度从黑到白,是选择29日]。由此产生的饱和图像然后reenhanced并将其转化为灰度利用主成分分析(PCA) (30.]。病变区域计算使用PCA灰度图像的直方图阈值将在哪里找到受损区域。这个阈值也将根据音调检测从健康和损伤皮肤,但是大约10%的值图像(图中找到2)。
2.3。第三阶段(描述)
表征的下肢损伤的患者进行了两个阶段:(1)数据值的分段提取特征病变区域被分为两种类型:形态学properties-area、长轴、短轴,周边,是稳定和强度properties-maximum强度和强度最低。(2)的色指数(ShI)是一个参数用来测量颜色变化从原始RGB图像。一个方程设计为每个颜色,方程(6)用于红色指数( ),方程(7树荫绿色指数)( ),与方程(8指数蓝色)( ): 在哪里是红色的组件内部的区域分割变得模糊,是绿色的组件内部的区域分割变得模糊,然后呢是蓝色的组件内部的区域分割在RGB斑点;是一个区域的红色分量的健康皮肤斑点,是一个区域的绿色分量的健康皮肤斑点,然后呢是一个区域的蓝色分量的健康的皮肤斑点,在RGB。最后,一个影子指数布朗( )(方程(9)是用来确定褐色皮肤的变化:
图3显示强度算法的流程图皮肤和病变区域分割除了描述功能。
(一)
(b)
(c)
有必要看看之间的差异具有统计学意义的提取的特征值计算算法为每个类型的斑点。为了验证这一点,学生的t以及使用SPSS 15,17和执行(95%的置信区间 )。
同时,分类器的目的是为了确定每个斑点通过建立一个人工神经网络的特征向量描述。60%的数据被用于训练网络,40%的测试它。
3所示。结果与讨论
本文报道的强度图像处理算法由皮肤分割及其病变,以及获得的价值功能阴影指数。
使用皮肤图像极冰原,专家分类获得斑疹发现患者的血管和瘀点,由于营养的变化,或由于创伤斑点。分割的图像处理的结果皮肤区域阶段1所示结果。分割的病变区域后来在阶段2的结果显示,斑点的特点得到了表征和分析结果为第三阶段。
3.1。结果第1阶段(皮肤区域)
的一个例子YCbCr色彩空间转换后的直方图获得用于查找动态范围,各种肤色的主见是图所示4。平均值为每一个矩阵直方图谷下降;Cb的第一部分和第二部分的Cr被选为了找到列出的值,第二皮肤的面具。
(一)
(b)
(c)
(d)
皮肤区域获得了来自皮肤图像,如图5。背景是消除由于为了避免分割错误,例如,床单的标志或任何对象。
(一)
(b)
3.2。结果第二阶段(病变区域)
图6显示了不同的例子病变区域(包括血管、瘀点,营养变化,和创伤斑点)4例患者中发现。这些图片是应用新算法的结果。从这些例子中,很明显,一些地区可能是监督的RGB图像,但是在处理增强了CIE 1976 色彩空间转换、光度的选择矩阵,和PCA灰度变换,这些隐藏斑点现在频谱内的动态范围从直方图中选择。从这个阶段,一个肢体的一般健康状况计算并显示为病人没有伤害的百分比(29%。1,24%的病人没有。2,31%的病人没有。3,21%的病人没有。4)。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
3.3。结果第三阶段(功能描述)
为了描述斑点(血管瘀点,由于营养的变化,或由于创伤),特征提取的形态特性,强度性能,阴影指数82年执行及获得的吗病变区域发现。表1显示的值。
通过统计分析,显著差异( )被发现在斑点研究;这些值如表所示2。可以根据它,瘀点和血管及分化形态学特性和阴影指数(除了史B)。瘀点和斑点之间的差异由于营养变化可以比较他们找到形态学特性;形态学特性和树荫下指标,史R瘀点和创伤斑点明显不同。由此变化引致营养血管及那些只能通过他们的分化形态学特性,而创伤斑点可以分化比较预期的所有属性可靠性和最小强度。及由于营养变化和创伤可以区分使用阴影指数史:G施,B施,BR,4其他属性。
的连接属性,为每一个斑点评估计算,每个例子的特征向量形式。数据7(一)和7 (b)显示每个属性的平均值和斑点,或平均特征向量。
(一)
(b)
因此,为了确定每个斑点,建议的体系结构是一个前馈反向传播网络与2隐藏层和4每层神经元;传递函数是双曲正切乙状结肠和logsigmoid。训练函数更新重量和偏差值根据Levenberg-Marquardt优化(31日]。为了训练分类器,一个11×40矩阵,其中每个类型的斑点产生10的例子;60%的数据被用于训练,剩下的40%是用来测试网络。结果显示通过混淆矩阵(图8(一个)10之间的巧合),其中的一个特征向量和目标类了。数据的正确识别与97.5%。数据的线性回归(图8 (b))显示了目标数据之间的关系和从网络,获得的结果R= 0.95054表明,该模型能够识别∼分段损伤的95%。
(一)
(b)
3.4。皮肤斑点特征(SMaC)软件
Matlab®GUI,称为皮肤斑点特征(SMaC)软件©,显示结果的强度图像处理算法分割的皮肤斑点,特征提取,特征4类型的斑点:血管,瘀点,营养的变化,和创伤,见图9。这个软件是墨西哥国家版权注册机构(INDAutor,不。03-2017-071912253000-01)。
斑点图像需要特殊的处理算法,因为它们都是很奇怪的,根据病人不同的特性。据报道,没有算法解决这个问题。此外,由于广泛的人类皮肤色调,主要需要克服的困难是找到斑疹尽管中照明的变化皮肤图像。
颜色空间转换成为一个有用的工具,找到图像的不同视图,允许提高方便解决分割问题的特点。在HSV颜色空间转换,色调值选择与介质的皮肤颜色,显示出良好的性能,但房间里的光线。为了解决这种情况,第二个颜色空间转换应用(YCbCr)。这种颜色空间提取红色和蓝色分量的形象;因为斑点颜色从红色到褐色,这些组件变得非常有利于斑点位置和分割。
在这种情况下,修复范围Cb和Cr值并不是有用的,即使选择的方法在文献[26,28因为它限制了各种各样的人类肤色检测到一个小的选择。然而,本文提出的动态范围允许算法适应各种肤色,从而增加其实用性意义。的最小值和最大值从Cb和Cr矩阵表示图像的照明范围。直方图的值允许算法self-tune具体形象,因此具体的肤色和照明,维护算法的简单性和效率没有添加神经网络的计算成本。相机的位置可以调整使用wia设备,以避免太多的亮度或强烈的照明领域。
正常的灰度变换并不用于皮肤分割,因为它使得车内外的分布灰色的水平,这个场景是适得其反。相反,PCA生成一个图像中灰色的水平限制的值每次都一个特定图像的直方图,它摆脱健康组织的形象和保持饱和的部分和清晰的表现,而这些部分进行分类和选择损伤皮肤。这种技术有助于利用光照增强实现的CIE 1976 变换用于第二阶段。再次,设置阈值和范围,通过直方图值允许算法调整的特性病变区域发现不需要使用更复杂的处理,以便分类之间的健康和皮肤损伤。因此,该算法是一种简单、高效的解决方案处理斑点,可以有多个应用程序。
理想情况下,在图像识别过程中分割后,重要的是要有一个特性或属性,允许类之间的区别的一组数据。这可以根据复杂的特点,图像中被识别,所以定量参数优先保证一个更健壮的结果。
因此,斑点测量是使用特点形态学特性定义和几何形状;强度属性,建立最大和最小值的像素内的病变和分离从皮肤健康;和提议阴影指数色调,来识别损伤。在开发的特征(第三阶段),很明显,例如,红色(RGB图像)没有在所有的肤色看起来一样,甚至有不同的照明,所以无法固定的参考价值。克服这些问题的解决方案是想出一套小说阴影指数,周围的皮肤健康斑点被用作参考的色调变化。相反,史R和施BR原来是斑点之间的指数,帮助区分最研究。
形态学特性是功能的斑点可以指出大多数人之间的几何和形状的变化。强度属性似乎并没有有一个相当大的输入的分类数据,因为他们值是重要的在不到40%的关系进行了研究。
一般来说,从这个分析,这是理解复杂的问题是如何从不同的斑点出现在同一时间,甚至更多,他们覆盖。从图像分割和处理的角度来看,高分离困难病变区域提供一个准确的评估。然而,斑点属性选择和计算,可以将每种类型的斑点有97.5%的准确性。
使用后者SMaC软件©特征和分类、糖尿病患者的斑点可以测量和跟踪疾病的发展,以防止进一步的障碍和并发症。使用这个软件可以特别是有利于医生没有专门培训或足够的专业知识来识别特定的斑点;它也可以作为一种教育工具。重视皮肤表现的感知出现之前的溃疡和截肢必须改变,因为他们似乎内皮衰变的第一症状和血管损伤,导致更严重的症状的糖尿病足和最终截肢。从临床角度看,皮肤和肢体损伤是多因素疾病的起源,但它主要涉及内皮衰变。
在未来,我们的目标是把这个GUI软件变成一个协助诊断工具,这将包括临床变量和其他糖尿病足表现为了收集足够的数据,最终形成一个糖尿病患者的数据库,用于预防目的。
4所示。结论
如今,下肢皮肤表现的总体评价不考虑国家和糖尿病II型的发展,即使他们有一个潜在的血管起源。介绍了应用程序的一个分割算法,特征,分类的皮肤表现摄影图像和识别在糖尿病患者的下肢。一种有效的图像处理算法的皮肤斑点特征进行提取的方法形态学和强度属性提出,以及一套新的吗阴影指数用于评估颜色变化不同的肤色。三组的特性,形态学特性和阴影指数导致斑点之间的统计学意义,以区分不同的起源。这里描述的指数是一种新的方式来评估颜色变化不同的肤色,增加应用程序的实用性。属性提取是用作输入特征向量分类网络导致97.5%的准确率的4种斑疹研究:血管,瘀点,营养的变化,和创伤。SMaC软件©旨在使该算法作为医生的工具,以帮助皮肤损伤的识别和评估糖尿病患者的下肢。
数据可用性
摄影图像的斑点在糖尿病患者的下肢用于支持本研究的发现是限制我们的制度伦理和研究审查委员会为了保护病人的隐私。数据可能被释放在请愿书研究审查委员会建立了标准访问机密数据。
的利益冲突
没有利益冲突声明。
确认
这项工作得到了国家科学技术委员会(Consejo Nacional de Ciencia y Tecnologia-CONACYT) (CONACYT salud - 2013 - 1 - 201590)。作者还要感谢博士关于dermopathology Veronica阿尔瓦雷斯为她贡献。