葡萄酒色斑痣皮损皮肤镜图像形态特征的计算机辅助分析

《Photodiagnosis and Photodynamic Therapy》：Computer-aided analysis of morphologic features in dermoscopic images of Portwine stain birthmarks

　　

背景：葡萄酒色斑（Port-wine stain, PWS）痣的特征是皮肤脉管系统的复杂形态学变化，导致受累皮肤异常变色。皮肤镜（dermoscopy）是观察PWS皮肤表面血管特征的有用工具，但皮肤镜图像通常由人工分析。目的：本研究旨在开发一种计算机辅助图像处理方法，用于提取和分析PWS皮肤镜图像中的形态学特征。材料与方法：选取面部和颈部典型PWS病灶在光动力疗法（photodynamic therapy, PDT）前后的皮肤镜图像。应用图像处理技术，包括图像增强、噪声去除和阈值分割，分析PWS图像的血管特征。提取PWS血管的颜色、面积和形态学特征。对提取的特征进行统计分析和量化。结果：客观评价显示，对比度受限自适应直方图均衡化（contrast limited adaptive histogram equalization, CLAHE）算法获得最佳对比度效果，非局部均值（non-local means, NLM）算法获得最佳图像降噪效果。从处理后的二值化图像中识别、提取和量化形态学特征。结果表明，PWS病灶的皮肤镜特征主要表现为球状、网状或混合型。结论：本研究开发的计算机辅助图像处理方法可能为PWS痣皮肤镜图像的定量分析提供有用工具。

论文解读：

葡萄酒色斑（Port-wine stain, PWS）是一种先天性毛细血管畸形，表现为皮肤表面异常红斑或紫红斑，其病理基础为皮肤毛细血管后微静脉的扩张。皮肤镜（dermoscopy）作为一种手持式非侵入性光学成像工具，可放大观察皮肤表面下的血管结构，已被广泛用于PWS病灶的辅助评估。然而，目前临床实践中皮肤镜图像多依赖医生人工目视分析，存在主观性强、缺乏统一量化标准等问题。此外，深度学习方法虽在皮肤影像分析中表现出潜力，但通常需要大规模标注数据集，且可解释性有限，难以适用于PWS这种小样本临床场景。因此，亟需一种可解释、数据高效的定量分析框架，以实现PWS皮肤镜图像的客观评估。该论文发表在《Photodiagnosis and Photodynamic Therapy》上，开发了一种计算机辅助图像处理方法，对PWS血管的颜色、面积和形态特征进行提取与量化分析，旨在为PWS的诊断和治疗效果评价提供客观工具。

**主要关键技术方法（不超过250字）**：本研究从无锡市人民医院选取7例面部或颈部PWS患者，其中4例未治疗用于基线分析，3例接受光动力疗法（PDT）治疗前后对比。主要关键技术包括：对比度受限自适应直方图均衡化（CLAHE）增强血管对比度；非局部均值（NLM）滤波去除噪声；自适应阈值分割二值化图像；基于线段检测器（LSD）的尺度线去除；圆形血管检测（基于圆形度、凸度、惯性比参数区分点状、球状、湖状）；香肠状血管检测（基于椭圆拟合的纵横比、离心率）；网状血管检测（基于Zhang-Suen细化算法和Shi-Tomasi角点检测，通过角点聚类量化网络复杂度）。整个框架无需训练数据，直接基于形态学规则实现特征提取。

**研究结果**：

**3.1 图像处理**：通过对比直方图均衡化（HE）、自适应直方图均衡化（AHE）和CLAHE算法，客观评价指标（峰值信噪比PSNR、结构相似性SSIM）显示CLAHE获得最佳对比度效果（PSNR最高22.98，SSIM最高0.79）。在噪声去除中，对比均值滤波、中值滤波、双边滤波和NLM，NLM算法获得最佳降噪效果（PSNR最高14.12，SSIM最高0.82）。自适应阈值分割后，PWS病灶区域血管面积占比大于30%，正常皮肤小于3%，表明预处理方法有效。

**3.2 定量分析**：选取患者4进行颜色分析，计算RGB通道和L*a*b*色空间值。结果显示病灶区域R值（红色分量）和a*值（红绿偏差）显著高于正常皮肤，颜色差值ΔE_ab在12.9-12.9之间（原文表4），表明PWS病灶呈特征性红色/紫色。通过尺度线转换（1 mm=50像素），计算血管面积占比，PWS病灶区域显著高于正常皮肤。

**3.3 血管特征分析**：对患者1-3进行斑点检测和角点检测。区分点状（dot）、球状（globule）、湖状（lake）、香肠状（sausage-like）和网状（network）血管。定量统计（原文表5）显示球状结构在所有病例中占主导，患者3的湖状结构明显多于其他患者，患者1的网状结构相对较多，表明不同PWS病灶具有异质性血管形态。

**3.4 变异分析**：对患者5大面积面部PWS进行6个连续位置的皮肤镜图像分析。颜色ΔE_ab值在24.3-28.5之间，表明同一患者不同区域颜色差异较小。血管特征除湖状（lake）结构变异较大外，其他特征（点状、球状、香肠状、网状）在不同位置间变异较小（均值±标准差见表7），提示多点检查有助于全面评估PWS病灶。

**3.5 PDT治疗前后比较**：对患者2、6、7治疗前后分析。颜色ΔE_ab值变化范围：患者2为4.4%-19.2%，患者6为5.1%-7.1%，患者7为9.2%-20.7%。血管面积减少：患者2为4.1%-12.3%，患者6约3%，患者7在6%-9%之间，但一个位置变化<1%。形态特征变化：湖状结构减少最显著（如患者2位置1从7个降为0），球状和网状结构也有不同程度减少，点状结构在部分区域增加（可能因血管面积缩小导致）。这些量化结果反映了PDT治疗后血管闭合和收缩的效果。

**讨论与结论**：讨论部分指出，本研究提出的计算机辅助分析方法通过图像预处理、特征提取和自动分割，实现了PWS皮肤镜图像的客观量化，克服了人工分析的主观性。与深度学习方法相比，该方法无需训练数据，可解释性强，适用于小样本临床场景。研究结果展示了PWS血管形态的异质性，以及PDT治疗前后颜色、面积和形态特征的量化变化，为个性化治疗提供了依据。但研究存在局限性：样本量较小（7例），未验证普适性；未考虑纵向时间变化；仅针对中国人群，皮肤色素单一；后处理分析仅基于单次PDT前后数据。未来需扩大数据集并开展多中心研究。

结论部分翻译：本文提出并构建了计算机辅助皮肤镜图像自动分析方法，通过一系列图像处理操作有效提高了PWS病灶血管特征的检测精度。基于皮肤镜图像的PWS形态特征（如颜色、面积和形状）的定量分析有助于PWS的量化评估，具有实际应用价值。随着数据集的扩大和算法的进一步优化，计算机辅助分析方法有望充分利用皮肤镜图像中嵌入的形态学信息，从而为PWS痣的评估和治疗提供更有用的分析工具。总体而言，需要在更大、更多样化的数据集上进一步验证，以提高所提方法的稳健性和临床适用性。尽管存在这些局限性，本研究为PWS皮肤镜图像的定量分析提供了一个实用且可解释的框架。