• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    一種決定皮膚發炎分數(Z)之裝置及方法，包括光電測量儀器(1)，較佳為3D掃描器，用以取得人類或動物皮膚(H)上之發炎區域(E)的三維影像(B)，其中，該三維影像(B)之相關區域(A)、空間(V)及顏色(F)數值藉由該光電測量儀器(1)偵測；處理單元(2)，藉由該測量儀器(1)所偵測出之相關區域(A)、空間(V)及顏色(F)數值，用以計算該皮膚發炎分數(Z)；以及顯示單元(3)，用以顯示經計算的皮膚發炎分數(Z)。
    公开号:TW201302154A
    申请号:TW101108586
    申请日:2012-03-14
    公开日:2013-01-16
    发明作者:Robert Strohal；Markus Soldatitsch
    申请人:Robert Strohal；Markus Soldatitsch；
    IPC主号:G06T7-00
    专利说明:
    決定皮膚發炎分數之裝置及方法
    本發明係有關於一種決定皮膚發炎分數之裝置及方法。
    在醫學領域中，醫師可用最不同的診斷支援裝置。在此關係下，已長期使用X光設備、電腦斷層掃描、各種3D掃描器及許多其他裝置等。
    在皮膚表面發炎的診斷支援之情況中，僅需採取第一步驟。於此觀點下，從科學雜誌「臨床及實驗皮膚醫學第33期第772至775頁(Clinical and Experimental Dermatology,33,pp.772-775)」中的文章「除撫平傷痕之外：證實三維影像技術將改善皮膚過敏症研究(Beyond flat weals：validation of a three-dimensional imaging technology that will improve skin allergy research)」，其係說明如何藉由3D掃描器協助測量皮膚傷痕或發炎區域內的皮膚表面之表面形貌圖之技術。以此方式所產生之傷痕的高解析度三維表面形貌圖，提供診斷醫師重要額外的線索。然而，這樣的系統及方法包含診斷中僅能含有高度及體積資訊之缺點。根據此文章，在藉由所謂的點刺測試(prick test)對皮膚執行檢查中，在某些情況中，事實上，這樣的數值或分數作為診斷支援工具是有效的。
    然而，如果實施皮膚檢查的其他類型(例如，所謂的表皮測試(epicutaneous test))，唯一的高度及體積分數將不足以提供診斷醫師有效的診斷支援。
    因此，本發明之目的係存在於提供改善先前技術之一種皮膚發炎的診斷支援工具。除了空間數值之外，尤其是傾向於亦包含其他在診斷支援系統中經測量的發炎區域上之診斷確實數據。
    對於決定皮膚發炎或皮膚炎分數的裝置，此可藉由光電測量儀器，較佳為3D掃描器，取得人類或動物皮膚上發炎區域的三維影像，其中，可藉由光電測量儀器偵測到三維影像的相關區域、空間及顏色數值，藉由該測量儀器，處理單元從所偵測到之相關區域、空間及顏色分數中用以計算皮膚發炎分數，顯示單元用以顯示所計算的皮膚發炎分數。因此，待判斷之皮膚發炎分數內不僅包含空間數值，亦額外考量經掃描的發炎區域之相關區域及顏色數值。換言之，本發明使診斷的更多決定性分數成為可能，其係接近發炎的實際嚴重性。診斷將因而受實質上支援及改善，且醫師不再需要僅基於粗糙、尺寸及發紅之主觀評估，而可基於先前測量所儲存的經驗數值及實際測量的數值，並與實驗數值相比較而作出更客觀的診斷。
    根據本發明之較佳實施例，發炎區域的經掃描三維影像可由多個以類網格形式安排在三維座標系統中的畫素所組成，其中，各相關區域數值係對應於該座標系統中唯一的單一畫素。於一個較佳方式中，各空間數值對應於該三維座標系統中之個別畫素的高度數值。
    為了獲得能夠說服人的結果，可較佳地將顏色數值(較佳為單一)及空間數值(較佳為單一)兩者分配到藉由光電測量儀器所掃描之三維影像的各相關區域數值。單一畫素或圖像點可較佳地具有在1μm及10μm之間的維度範圍。於特別地較佳的方式中，畫素尺寸精確地為3.05597μm。
    再者，較佳地將各顏色數值對應於CMYK顏色模型中的品紅色數值、或HSV顏色空間中的灰色數值或飽和數值。CMYK顏色模型被稱為減色模型，其中，CMYK代表青色、品紅色、黃色及檢索表。HSV顏色空間為一些顏色模型的顏色空間，其中，採用色相、色飽和度及光或暗數值。
    本發明首先供應皮膚炎的診斷支援，亦即在全部鞏膜(真皮)上之皮膚的發炎反應。溼疹這個詞亦可用來作為皮膚炎的同義字。待檢查的皮膚發炎可包括自然發生的發炎及那些藉由過敏測試所引起者(例如，表皮測試或點刺測試)。另外，亦可評估痣或傷口，然而最後需相應地適合於分類方法。
    基本上，可能將所有掃描的區域視為待同一評估的發炎區域。然而，提供較佳方式，較佳地藉由劃定個別畫素的顏色數值或劃定個別畫素的空間數值，藉由處理單元將經掃描的三維影像之相關區域數值區分為發炎集中點及靠近且圍繞該發炎集中的區域。對於發炎集中點及集中點周圍區域之間的區別，當然可以採用顏色數值、空間數值及/或相關區域數值的組合。
    為了獲得劃定區域之有說服力的詳細數值(適用於全部劃定區域)，可較佳地藉由比較發炎集中點的平均顏色數值及集中點周圍區域的平均顏色數值，決定全部發炎集中點的相對整體顏色數值。進一步的選項為，從發炎集中點的空間數值中決定全部發炎集中點的絕對整體體積數值，且藉由比較發炎集中點的平均空間數值及集中點周圍區域的平均空間數值來決定發炎集中點的相對整體體積數值。
    特別地對於所述相對整體體積數值，較佳地提供該相對整體體積數值為該發炎集中點的表面粗糙度及該集中點周圍區域的表面粗糙度之比較值。於此情況中，根據德國產業標準EN ISO 4288，可藉由線性粗糙度的計算來導引出表面粗糙度的計算方法。
    以下將表示可使用計算整體皮膚發炎分數之其他額外或替換的詳細數值。舉例來說，相關區域數值與對應於發炎集中點的周邊之周邊數值、及/或對應於表示發炎集中點的表面區域的區域數值之區域相關數值相對應。再者，可提供形成相關區域數值作為該區域數值及該周邊數值之函數，且對應於表示該周邊數值及該區域數值的比值之密度數值，或者整體體積數值可對應於表示該發炎集中點的所有高度之平均高度的平均高度數值、及/或可對應於表示最大高度的表面區域之高度平均值，該最高標高的高度為較最大標高的至少70%的高度，較佳為至少85%。
    此外，為決定皮膚發炎分數的方法尋求保護，尤其是可使用根據申請專利範圍第1至13項任何一項所述之裝置實施決定皮膚發炎分數的方法，該裝置包括光電測量儀器，較佳為3D掃描器、處理單元、及顯示單元，其特徵為以下步驟：藉由該光電測量儀器取得人類或動物皮膚上的發炎區域之三維影像，決定該三維影像的相關區域、顏色及空間數值，從經計算的相關區域、顏色及空間數值中計算皮膚發炎分數，以及在該顯示單元上顯示計算的皮膚發炎分數。此方法因而非視為診斷方法，但視為醫師實施診斷方法時所使用之資料偵測或資料處理方法(顏色、空間及相關區域數值)。
    進一步較佳的方法步驟被額外定義於申請專利範圍第15項。於此內容中，需注意的是，申請專利範圍第15項的技術特徵清楚地描述，且界定決定三維影像及計算皮膚發炎分數之步驟。
    第1圖說明用於決定皮膚發炎分數之裝置的主要組件。為此，光電測量儀器1(3D掃描器；例如GFM的PRIMOS pico)保持在人類或動物的皮膚H上方，或較佳地直接放置於人類或動物的皮膚H上。當然，測量儀器1應使用在(懷疑的)發炎區域E上方。藉由個別掃描元件5，經由兩個掃描區域S1及S2偵測出整個發炎區域E，並將對應的三維影像B傳輸至處理單元2。所述影像B由多個畫素P組成，且各個畫素對應於相關區域數值A。各個別的相關區域數值A以顏色數值F及空間數值V填充。整個影像B被繪製在三維座標系統4中(亦參照第6圖)。該處理單元2可被配置為連接至該測量設備1之電腦。然而，該處理單元2亦可直接整合在該測量設備1內。
    於首要計算步驟中，經由所收集的數值A、V及F，發炎區域E接著再分成發炎集中點C及集中點周圍區域U。接著，決定發炎集中點C之絕對顏色數值FW及/或絕對體積數值VW、及/或整體發炎區域之相對顏色數值FW及/或相對體積數值VWR。例如，可藉由發炎區域C之平均品紅色數值減去集中點周圍區域之平均品紅色數值U、或藉由發炎區域C之平均品紅色數值除以集中點周圍區域之平均品紅色數值U而得出相對顏色數值FW。例如，作為絕對體積數值VWV之整體體積數值VW可表示全部傷痕或發炎之具體整體體積。參考字母VWR可表示相對整體體積數值，其中，比較發炎集中點C的粗糙度及集中點周圍區域U的粗糙度。
    接著，這些決定的數值之每一者FW、VWV及VWR可被分類為發炎等級K0、K1、K2、或K3的其中之一。這些分類等級的範圍基於在該處理單元2中所儲存、收集及預先列入範疇之經驗數值而預先定義。分派個別等級K0、K1、K2或K3將導致平均的、較佳為大約的皮膚發炎分數Z，之後相應的輸出至該顯示單元3上。亦可使用等效於光學顯示之透過揚聲器之僅有的聲音輸出。該顯示單元3亦可包括個別發光二極體。例如，可藉由二極體的顏色來辨別皮膚發炎分數。另外，發光二極體發光的數量亦可反映該皮膚發炎分數。
    第2至5圖描述不同發炎區域E之示範影像，其中，加入各分割方塊Q及周圍輪廓矩形T。輪廓K構成發炎集中點C及集中點周圍區域U之間的邊界。此外，第2至5圖之各圖說明分割矩形Q的中心XQ及輪廓K重力XK的中心。字母X的插入被視為各自的精確點。第5圖描述具有大水泡的劇烈發紅及腫脹(發炎等級K3)，其中，左側上的X對應於分割矩形Q，以及右側下的X對應於輪廓K重力的中心。
    以下詳細說明決定皮膚發炎分數的兩種方法，其中，然而，並非排除這兩種方法的個別或數個計算步驟，亦可執行在包含任意地「混合的」計算步驟之個別方法中。當然，亦可從每一方法中部分地省略方法步驟。計算皮膚發炎分數必須要考慮到藉由光電測量儀器所掃瞄之三維影像B之個別的相關區域、空間及顏色數值A、V及F。當然，亦非排除於此未提及之甚至其他替代計算變化可使用於決定皮膚發炎分數Z。
    相應地，以下說明使用表皮測試的示範演算法之第一方法。將表皮測試的分析細分為三個步驟：
    i)以高度分割方法識別蕁麻屬(urtica)(傷痕)
    ii)測量該蕁麻屬(高度及顏色數值)
    iii)估計該測量結果
    將於以下說明此三個步驟，其中，將概述迄今使用的解決方案的問題以及如何使新軟體解決方案適合於本發明之更好的選擇，以及將提供醫師在操作中更有效的協助程序。
    藉由再次執行軟體解決方案，可事先避免存在的問題，並可將應用的結構較佳地適用於目前需求。再者，同時在減少系統使用者所需的時間，有機會在個別的領域中實施較佳化，從而使全部支援過程更加有效。
    i)高度-分割
    該分割大致細分為7個步驟：
    1.平滑高度影像
    2.過濾高度影像
    3.在灰度值影像(最大高度為白色，最小高度為黑色)中表示高度
    4.決定CMYK影像中之超過平均的品紅色數值，以及增加具有超過平均的品紅色數值之點高度灰度值影像的數值
    5.計算平均高度，且產生二進位影像
    6.描繪最大連續升高之邊界輪廓
    7.確認該高度灰度值影像之重力中心是否位於包含該最大連續升高之描繪邊界輪廓之矩形中。
    1.平滑高度影像：
    由於在大多數情況中，所偵測之皮膚部位(參照根據第6圖之原始高度影像)會包括曲率，該高度影像大量地拉直，以使能夠進一步操作理想的平面皮膚。
    為此，將在邊緣上離中心最遠的25個高度數值的每一者被使用於計算對應於皮膚曲率HK的曲面(參照第7圖)。
    然後，形成新的高度影像如下：在原始高度影像中，將小於所計算的平面之對應數值之數值設定為該所計算的平面之數值上。所有其他數值保留他們的原始數值。接著，將各個高度數值減去所計算的平面之對應數值。於此方式中，可排除皮膚的曲率以及在高度影像中產生更深的低凹處之可能的皮膚毛孔。然後，可取高度0作為皮膚的基本高度。這樣平滑的高度影像(原始高度影像減去所計算的皮膚曲率)係說明於第8圖中。
    2.過濾高度影像：
    為了從高度影像中排除小誤差，藉由中間值濾波器之協助，平滑該高度影像(目前是以指數鄰域(exponential neighborhood)3來操作)。
    3.灰度值影像中表示高度(第9圖)：
    藉由影像處理演算法之協助，進一步處理該高度影像，從該高度影像中計算具有256個灰影之灰度值影像。最大高度被用於數值255(白色)，最小高度被用於數值0(黑色)。在其之間的高度數值正比地被計算成不同的灰影。
    4.增加在具有超過平均的品紅色數值之那些部位上之高度灰度值影像中的數值(第10圖)。
    為了能夠較佳地限縮描繪發炎的部位，這些在高度影像中藉由超過平均的紅色之等級而增加。為此目的，將原始影像轉換成CMYK影像，且考慮品紅色波段。建立對應於品紅色波段之灰度值影像，而無法達到平均品紅色數值之給定百分比(例如120%)之所有品紅色數值將會設定為零。
    之後，考慮高度影像之個別點及比較品紅色影像中的相對畫素。如果品紅色影像中的數值高於高度影像之灰度值影像的數值，則高度影像之灰度值影像的畫素將會從部分的目前數值及部份的品紅色影像中的數值(例如，品紅色影像的數值提供60%及高度灰度值影像的數值提供40%至新的數值)被重新計算。
    5.計算平均高度並產生二進制影像(第11圖)：
    然後，從CMYK影像的品紅色波段所協助之放大的高度影像之灰度值影像中計算二進制影像，其為搜尋輪廓所必須的。在執行時，將平均灰度值(乘以一個係數，目前為2.0)被選為臨界值。
    在產生二進制影像之前，藉由中間值濾波器，平滑該灰度值影像(目前的鄰域為9)。並且，侵蝕及膨脹該二進制影像(目前，執行三個迭代侵蝕及一個迭代膨脹)。
    6.描繪最大連續標高之邊界輪廓(第12圖)：
    將那些位在平均高度以上(係數的倍數)的高度影像之部份想像成二進制影像中的白點。接著，演算法在二進制影像中搜尋具有最大表面區域的白點最大表面區域之二進制影像，且提供該區域的邊界輪廓K區域以及包含輪廓K之邊界矩形T。藉由該輪廓K所包含的區域(發炎集中點C)記錄表示最高凝聚性的發炎標高之高度影像，以及因而所搜尋的皮膚腫脹的部份被集中點周圍區域U所圍繞。
    7.計算及確認該高度灰度值影像之重力中心(第13圖)：
    計算該高度灰度值影像之重力中心(點XQ)作為控制測量。如果該中心重力位在所描繪的邊界輪廓K或包含所述輪廓K之矩形T的區域之內，此可確認所描繪的輪廓K，以及所支援之測量區域之局部化。
    除非將該重力中心配置在如第3圖所示之矩形T之內，可預期到所描繪的標高相對於其他標高並不凸出。通常將包括那些顯示沒有或低於平均的腫脹之測試。
    於此情況中，進一步的測量並不基於包含輪廓K的區域，而在支援測量區域的區域上、或包含所述區域的方塊Q。藉由高度灰度值影像之重力中心，表示方塊Q的中心XQ(方塊的尺寸對應至個別的真實測量區域)。
    ii)測量：
    在完成皮膚腫脹之確認之後，接下來為測量。在執行測量時，決定三個用來估計的特徵數值：
    1.關於腫脹區域的表面之腫脹體積
    2.關於餘留皮膚表面的粗操度之腫脹粗糙度
    3.關於餘留皮膚顏色之腫脹發紅
    1.關於腫脹區域的表面之腫脹體積：
    腫脹的基礎為藉由輪廓K所包含的區域。接著，計算在輪廓K內的腫脹整體體積。於執行計算時，僅有超過皮膚平均高度的高度部份才會被算入。
    將所計算的腫脹整體體積除以表面區域，其結果為腫脹的平均高度。此被用來估計。
    2.關於剩餘皮膚表面的粗糙度之腫脹粗糙度：
    腫脹的進一步顯著特徵為粗糙度。為了使潛在的粗糙正常皮膚不會過度影響測量結果，計算包括邊界輪廓之矩形之內及之外的粗糙度。腫脹(在矩形之內)的粗糙度減去剩餘皮膚(在矩形之外)的粗糙度，接著將用於估計。
    執行計算表面粗糙度之方法係以計算線粗糙度的方法(DIN EN ISO 4288)為基礎。
    分別使用10%及90%作為邊界參數。此意味著10%及90%的表面區域身體部位的平均高度之間的差，相較於最高點(0%表面區域)及最低點(100%表面區域身體部位)之間的差，常使用作為粗糙度數值。
    3.關於剩餘皮膚顏色之腫脹發紅：
    除了從高度影像中所計算的兩個測量數值之外，從該顏色中決定影像測量區域的發紅等級。為此，使用該測量部位的原始顏色影像之CMYK表示的品紅色波段。
    於此情況中，與粗糙度及平均體積之計算相同，亦藉由輪廓所劃分之區域之內的數值及之外的數值計算。對於進一步估計，輪廓之內的平均數值減去輪廓之外的平均數值。
    iii)估計：
    在測量之後，估計蕁麻屬，且將其分類為通常使用之四種等級其中之一。以下表格係包含該等級廣泛的、主觀描述。
    蕁麻屬之整體評估係來自測量之特徵數值的個別局部估計所組成。於目前的情況中，係執行四種等級中的三個局部估計，其大約的數值產生整體評估等級。對於評估而言，由於發紅數值的重要性隨著劇烈發紅的正常皮膚而下降，需明確考慮到此種情況。
    如果偵測到超過限制值之正常皮膚的皮膚紅色，則該腫脹的紅色將不能用於評估。
    以下的示範實例計算將提供更好的瞭解：
    由此得出整體估計為2(1+2+3的平均值為2)。
    劇烈皮膚發紅之示範計算：
    發紅的分類會低於整體結果2(3+3+1之大約平均值為2)。將超過限制值，結果為3的分類(3+3之平均值為3)之皮膚紅色納入考慮。
    第14圖說明第一方法之流程圖，且以邏輯情況標示上述方法步驟。
    為了不僅表示發炎等級K0至K3之普通範圍，以下表示測量數值之四個具體範例，以及關於不同等級之評估。他們具體地關於第2至5圖所示之不同級數或發炎等級。
    i)測量
    以下的特徵數值決定關於這些影像：
    1.發炎之平均高度(平均體積)
    2.粗糙度數值減去基礎粗糙度(相對粗糙度)
    3.關於剩餘皮膚顏色之發紅(相對發紅)。
    如果分割影像之重力XQ中心非位於環繞輪廓K的矩形T之內，形成具有分割影像之重力XQ中心的方塊Q之內或之外的區域，其中心相較於輪廓K之內或之外的區域，以及包括輪廓K的矩形T之內或之外的區域，較常用於測量。
    1.發炎之平均高度(平均體積)
    將位於經確認的蕁麻屬(藉由輪廓K限制)之內的所有測量點之高度加總。於執行該加總時，僅將超過皮膚平均高度之高度部分算入。此體積除以測量點的數量。所計算的平均體積係用於評估。
    示範影像的數值(畫素的區域為0.00305597 mm2)：
    2.粗糙度數值減去基礎粗糙度(相對粗糙度)：
    為輪廓K之內的表面區域以及輪廓K與矩形之間的表面區域，計算表面粗糙度。兩個粗糙度數值之間的差值形成評估基礎。
    示範影像之數值：
    3.關於剩餘皮膚顏色之發紅(相對發紅)：
    從顏色影像之品紅色波段中決定經確認的蕁麻屬(輪廓K)之內及之外區域的平均發紅。將兩平均數值之差值納入評估。
    示範影像之數值：
    3a.周圍皮膚之發紅
    如果蕁麻屬之外的皮膚之紅色平均值超過臨界值，該相對發紅將不被用於評估。
    示範影像之數值：等級0：66.6805231
    等級1：67.1557576
    等級2：107.7737394
    等級3：67.2027139
    ii)評估：
    該評估分別為各個數值初始地執行。為此，固定限制值為各測量數值。以下為目前所使用的限制值(然而，其可能經與醫師協商後而個別固定及改變)：
    有一個可用於評估之額外臨界值，其係定義以剩餘皮膚顏色為基礎，發紅之處超過周圍皮膚的紅色視為太紅，以及決定是否為所述發紅。目前臨界值固定為109.98770675。
    從局部估計之(大約)平均等級得出整體等級結果。
    以下表示決定皮膚發炎分數Z之第二變化，其可根據本發明之裝置來執行。
    藉由分析各種顏色空間及圖像，發現到CMYK假顏色表示中的品紅色顏色空間以及HSV顏色空間中的飽和數值最適合於過濾及評定人類皮膚上之發炎集中點。於影像處理開始時，產生從原始影像中之兩個影像(第15圖)，其次為CMYK及HSV圖之轉換。
    下一步驟可選擇地包括預過濾影像以過濾出石膏。於執行時，以CMYK影像之品紅色平面中的固定限制值為基礎，對於各畫素之差異，圖像點是否對應於石膏或皮膚(=所謂的臨界值函數)。將該限制值假設為100作為開始數值，其意指為，當通過影像的各畫素時，驗證品紅色數值是否高於100。如果是，從原始影像中取得畫素數值；如果不是，將顏色數值設定為零(=黑色)。之後，藉由評估函數驗證是否進一步地處理有效圖像點或該臨界值是否設定得過高。於後者的情況中，影響固定限制值之減少，以及重新開始過濾及驗證。重複四次這樣的程序，以便保證從該影像優化過濾石膏部分而不失去太多實際資訊。
    接著，於品紅色畫素空間中過濾該影像。為了執行該過濾，有兩種變化可使用，其將作為所採用的相機之功能。於第一變化中，計算所有所獲得的畫素之品紅色平均數值。之後，於循環中以臨界值函數(mulfactor)再次過濾出，是否可將圖像點分配至發炎或中性皮膚。於執行時，反覆減少臨界值，亦即，取得於第一步驟中所有超過經定義之平均品紅色數值的百分比之畫素。於第二變化中，將從畫素之5x5畫素環境中的平均值與臨界值比較，而不是比較畫素數值及平均品紅色數值*mulfactor。於兩個情況中的結果影像為包含經過濾的品紅色畫素之灰度值影像。接著，執行數個影像處理步驟，以便優化該過濾的結果。他們包括平均數值過濾器(為了排除畫素雜訊，亦即，過濾出小的畫素群組)。進一步可使用侵蝕(eroding)及擴大(dilating)函數來封閉可能的間隙。其次，轉換至二進制影像(=黑色/白色圖像)，其中，執行尋找演算法的輪廓。逐步審查所描繪的輪廓，以便致能所謂的興趣區域(ROI)之辨識作為潛在分割區域(參閱第16圖)。為此，如果該輪廓對應於該影像中最小尺寸以及經定義的位置，初步計算輪廓的密集度(=輪廓的表面區域/輪廓的周邊)。密集度越有規則，能預期更多的發炎。如果大於之前輪廓的密集度，則可決定目前輪廓的平均半徑R(其是因為輪廓之各圖像點至輪廓的重力XK中心之距離，輪廓周邊的大約平均)。此導致一個圓，其中心位於重力中心，且其半徑=平均半徑(參閱第17圖)，周圍方塊被定義為興趣區域ROI(參閱第18圖)。
    於此區域中，接著決定平均品紅色數值及平均飽和數值，以評估分割。將該密集度數值除以平均半徑以作為進一步的評估係數(因為經過濾的區域之平均尺寸在等級方面有關鍵作用)。
    在計算的最後，對於特定的臨界值已獲得三個特徵數值。之後，該臨界值(mulfactor)減少1%，並重新開始計算。此於第一步驟中完成十次。於所獲得之數值中，在這些計算的最大數值之基礎上，考慮進一步處理優化區域。除非於第一步驟中達到適合的結果，否則影響於十個步驟中臨界值進一步的減少。第一步驟(預過濾、過濾、計算興趣區域，參閱第18圖)的結果為具有經定義的開始點及經定義的畫素的側長度之方塊及分級數值：平均品紅色數值(來自分割之第一分級數值)、平均飽和數值(第二分級數值)及基於半徑之密集度(kompaktRadius，第三分級數值)。
    接著，將分割方塊傳送到高度處理演算法，用以進一步處理並決定特徵數值，第19至22圖係說明決定高度之順序。
    於第一步驟中，從GFM相機所拍攝之原始高度地圖(各圖像點具有其絕對高度資訊，參閱第19圖)建立興趣區域及過濾。藉由平均數值過濾器之協助而完成，其可應用於高度地圖直到形成均勻的表面，其構成一種整個拍攝的平均區域(參閱第20圖)。藉由此平均區域之協助，可決定高度影像中個別頂點之相對高度。為此，藉由從原始區域減去平均區域(參閱第21圖)，以初始建立減去高度圖。接著，對於影像中的所有剩餘的畫素影像，加入相對高度，給予平均體積(=第一高度分級數值.AvgVolume)。
    於下一步驟中，搜尋所有頂點(從最高頂點數值GH開始)及列表報告。如果將新的頂點描繪在剩餘高度地圖中之最大數值，將於x及y的正向及反向方向持續搜尋，直到對於第一次畫素數值再次上升。因此，從峰頂頂點G決定一些峰頂區域。因而從該圖刪除所獲得之表面，以致能下一較高峰點搜尋。重覆這些程序直到沒有頂點可被描繪；對於所有描繪的頂點數值儲存高度，於程序的最後，將整體高度除以經描繪的頂點之數量，以便獲得該減法高度圖中所有頂點之平均相對高度(=第二分級數值，AvgHeight1)。
    為了加速進一步的處理，接著過濾出所有其相對高度低於經定義的限制值(Avg高度1*EZThresh)之頂點。之後，可計算出第三及第四數值，AvgArea2(剩餘頂點之平均區域)以及SumArea1(剩餘頂點之基礎)。於最後步驟中，最大高度數值(亦即，分割區域中的最高頂點)被用於決定第三分級數值。於決定該第三分級數值時，亦過濾出其相對高度低於最大高度定義的百分比之所有剩餘頂點。接著，加總該剩餘最高頂點，包括他們的表面區域，因而產生進一步分級數值如PixelAboveThreshold(當時剩餘頂點之基礎)、AvgHeight3(當時剩餘畫素之平均高度)(參閱第22圖)。
    為了清晰起見，根據第23圖之流程圖，說明所執行的演算法。
    於這方面，以下分別為定義、結果、參數及數值：
    ˙AvgMagenta=輪廓或包含該輪廓之矩形之內的畫素之平均品紅色數值
    ˙AvgSaturation=輪廓或包含該輪廓之矩形之內的畫素之平均飽和數值
    ˙kompaktRadius=表面區域及輪廓周圍的商與輪廓的平均半徑之比
    ˙AvgVolume=具有高於平均數值表面區域(=額外圖的體積)的數值之所有點的平均高度數值
    ˙AvgHeight1=所有描繪的頂點之頂點的平均高度
    ˙AvgArea2=該頂峰(RelHeight)超過AvgHeight1*EZThresh之頂點的平均區域
    ˙SumArea1=這些頂峰(RelHeight)超過AvgHeight1*EZThresh之頂點的基礎(頂點區域)
    ˙AvgHeight 3=這些高度數值大於PixelAboveThreshThreshold*(最高頂點的高度)之畫素的平均高度
    ˙PixelAboveThresh=超過定義臨界值的畫素數量(作為出現於該部分的最高高度之函數)
    最後，取決於所使用的相機類型用於整體評估以及可比較的分級之決定，以不同組合及可能變化的操作，結合所決定的數值，例如AvgMagenta、AvgSaturation、kompaktRadius、AvgVolume、AvgHeight1之產品以及PixelAboveThreshold或AvgMagenta、AvgSaturation、AvgHeight3、AvgVolume、AvgArea2及SumArea1之產品，亦可想像其他組合，亦可至少部分執行額外的數值來代替乘法。
    1‧‧‧光電測量儀器
    2‧‧‧處理單元
    3‧‧‧顯示單元
    4‧‧‧三維座標系統
    5‧‧‧個別掃描元件
    A‧‧‧相關區域數值
    B‧‧‧影像
    C‧‧‧發炎集中點
    E‧‧‧發炎區域
    H‧‧‧皮膚
    K‧‧‧輪廓
    K0、K1、K2或K3‧‧‧等級
    S1、S2‧‧‧掃描區域
    Q‧‧‧分割矩形
    S1‧‧‧取得影像
    S2‧‧‧K3ResultData,400x400
    S3‧‧‧轉換成CMYK,HSV
    S4‧‧‧分割高度
    S5‧‧‧計算發炎體積
    S6‧‧‧計算relVolume
    S7‧‧‧COGinCont=true
    S8‧‧‧計算avgMag & avgSat(輪廓)
    S9‧‧‧計算sur_avgMag & sur_avgSat(剩餘影像)
    S10‧‧‧計算relMag & relSat
    S11‧‧‧計算SK數值
    S12‧‧‧估計端(SK數值，rel.Mag,rel.Volume)
    S13‧‧‧計算avgMag & avgSat(矩形)
    S14‧‧‧計算sur_avgMag & sur_avgSat(剩餘影像)
    S41‧‧‧計算多項式矩陣
    S42‧‧‧計算多項式平面
    S43‧‧‧臨界值多項式平面
    S44‧‧‧中值濾波器，頭髮過濾器(hair filter,MFO)
    S45‧‧‧建立高度灰度影像
    S46‧‧‧分割品紅色影像
    S47‧‧‧建立表面影像(Mag影像+高度灰度影像)
    S48‧‧‧中值濾波器(9)
    S49‧‧‧藉由Tresh with avgHeight建立二進制影像
    S50‧‧‧侵蝕(2)，擴大(1)
    S51‧‧‧尋找輪廓
    S52‧‧‧MaxAreaContour,boundRect,cog,maxarea
    S53‧‧‧計算COG Surfaceimg
    S54‧‧‧COG_s in boundRect
    S55‧‧‧COGinCont=true
    S56‧‧‧邊界區域(紅/黃)
    S57‧‧‧COGinCont=false
    T‧‧‧輪廓矩形
    T1‧‧‧取得影像
    T2‧‧‧K3ResultData,400x400
    T3‧‧‧轉換成CMYK,HSV
    T4‧‧‧顏色分割
    T5‧‧‧ROI分割平滑高度反映圖
    T6‧‧‧建立差異高度反映圖(AvgVolume)
    T7‧‧‧在減法反映圖中搜尋最大值(頂點、峰頂)
    T8‧‧‧決定頂點(AvgHeight1)的邊界及尺寸(表面區域)
    T9‧‧‧列出頂點性質以及「刪除」全部頂點
    T10‧‧‧過濾出相關頂點=EZThresh(Avg區域2,Sum區域1)
    T11‧‧‧透過臨界值分析頂點/畫素(PixAbovThreshold)(PixelAboveThresh,AvgHeight 3)
    T12‧‧‧評估端
    T41‧‧‧預過濾品紅色影像
    T42‧‧‧中值過濾器(9)
    T43‧‧‧侵蝕(2)，擴大(1)
    T44‧‧‧建立二進制影像
    T45‧‧‧尋找輪廓
    T46‧‧‧kompaktRadius,AvgMag,Avg Sat,ROI
    T67‧‧‧kompaktRadius,AvgMag,Avg Sat,ROI
    U‧‧‧集中點周圍區域
    XQ‧‧‧中心
    XK‧‧‧重力
    以下將藉由圖式說明及圖示之具體實施例，更詳細地說明本發明的進一步細節及優點。其中：第1圖係為用於決定皮膚發炎分數的裝置之示意圖；第2至5圖係為顯示四個不同等級的皮膚發炎分數之皮膚發炎區域的照片；第6至8圖係表示於三維座標系統中說明使高度影像平滑的程序；第9及10圖係說明灰度值影像中的高度；第11圖係為平均高度之二進制影像；第12圖係為具有高度邊界輪廓之影像；第13圖係檢查該高度邊界輪廓的梯度中心之影像；第14圖係用於決定皮膚發炎分數之第一方法的流程圖；第15至18圖係說明基於顏色及相關區域數值的輪廓計算之實現；第19至22圖係描述在用於決定皮膚發炎分數之第二方法中的數值計算步驟；以及第23圖係為表示最重要的用於決定皮膚發炎分數之第二示範方法之流程圖。
    1‧‧‧光電測量儀器
    2‧‧‧處理單元
    3‧‧‧顯示單元
    4‧‧‧三維座標系統
    5‧‧‧個別掃描元件
    A‧‧‧相關區域數值
    B‧‧‧影像
    C‧‧‧發炎集中點
    E‧‧‧發炎區域
    H‧‧‧皮膚
    S1、S2‧‧‧掃描區域
    U‧‧‧集中點周圍區域
    权利要求:
    Claims (15)
    [1] 一種決定皮膚發炎分數(Z)之裝置，係包括：光電測量儀器(1)，較佳為3D掃描器，用以取得人類或動物皮膚(H)上發炎區域(E)之三維影像(B)，其中，該三維影像(B)之相關區域(A)、空間(V)及顏色(F)數值係藉由該光電測量儀器(1)之偵測而取得；處理單元(2)，用以藉由該測量儀器(1)所偵測之相關區域(A)、空間(V)及顏色(F)數值計算皮膚發炎分數(Z)；以及顯示單元(3)，用以顯示所計算的皮膚發炎分數(Z)。
    [2] 如申請專利範圍第1項所述之裝置，其特徵在於，該發炎區域(E)之經掃描的三維影像(B)由許多以類網格型式排列在三維座標系統(4)中之畫素(P)所組成，其中，各相關區域數值(A)對應於該座標系統(4)中唯一的單一畫素(P)。
    [3] 如申請專利範圍第1或2項所述之裝置，其特徵在於，顏色數值(F)及空間數值(V)，較佳為單一的顏色數值(F)及單一的空間數值(V)，藉由該光電測量儀器(1)，兩者皆可分配於所掃瞄之三維影像(B)的各相關區域數值(A)。
    [4] 如申請專利範圍第1至3項之任一項所述之裝置，其特徵在於，各顏色數值(F)對應於CMYK顏色模型中的品紅色數值、灰度值、或HSV顏色空間中的飽和數值。
    [5] 如申請專利範圍第3或4項所述之裝置，其特徵在於，各空間數值(V)對應於該三維座標系統(4)中的個別畫素(P)之高度數值。
    [6] 如申請專利範圍第1至5項之任一項所述之裝置，其特徵在於，該處理單元係將經掃描的三維影像之相關區域數值(A)區分為發炎集中點(C)以及臨接且圍繞該發炎集中點(C)之集中點周圍區域(U)，較佳地藉由限定該個別畫素(P)的顏色數值(F)或藉由限定該個別畫素(P)的空間數值(V)。
    [7] 如申請專利範圍第6項所述之裝置，其特徵在於，藉由比較該發炎集中點(U)之經平均的顏色數值(F)及該集中點周圍區域(U)之經平均的顏色數值(F)，決定該發炎集中點(C)之相對整體顏色數值(FW)。
    [8] 如申請專利範圍第6或7項所述之裝置，其特徵在於，從該發炎集中點(C)之空間數值(V)中，決定該發炎集中點(C)之絕對整體體積數值(VWV)。
    [9] 如申請專利範圍第6至8項之任一項所述之裝置，其特徵在於，藉由比對該發炎集中點(C)之平均空間數值(V)及該集中點周圍區域(U)之平均空間數值(V)，決定該發炎集中點(C)之相對整體體積數值(VWR)。
    [10] 如申請專利範圍第9項所述之裝置，其特徵在於，該相對整體體積數值(VWR)為該發炎集中點(C)的表面粗糙度及該集中點周圍區域(U)的表面粗糙度之比較數值。
    [11] 如申請專利範圍第1至10項之任一項所述之裝置，其特徵在於，相關區域數值(A)對應於與該發炎集中點周邊對應之周邊數值、及/或相關區域數值(A)對應於表示該發炎集中點(C)的表面區域之區域數值。
    [12] 如申請專利範圍第11項所述之裝置，其特徵在於，形成相關區域數值(A)作為該區域數值及該周邊數值之函數，且對應於表示該周邊數值及該區域數值的比例之密集度數值。
    [13] 如申請專利範圍第1至12項所述之裝置，其特徵在於，相對整體體積數值(VWR)對應表示該發炎集中點(C)中所有標高(G)的平均高度之平均高度數值、及/或表示最高標高(G)的表面區域之最大高度區域數值，該最高標高(G)的高度為較最大標高(GH)之至少70%的高度，較佳為至少85%。
    [14] 一種估計三維影像之方法，尤其是以如申請專利範圍第1至13項中之任一項所述之裝置所實施者，該裝置包括光電測量儀器(1)，較佳為3D掃描器、處理單元(2)、及顯示單元(3)，該估計三維影像之方法係包括以下步驟：藉由該光電測量儀器(1)取得人類或動物皮膚(H)上發炎區域(E)之三維影像(B)；決定該三維影像(B)之相關區域(A)、顏色(F)及空間(V)數值；從經計算之相關區域(A)、顏色(F)及空間(V)數值中計算該皮膚發炎分數(Z)；以及在該顯示單元(3)上顯示經計算之皮膚發炎分數(Z)。
    [15] 如申請專利範圍第14項所述之方法，其特徵在於，復包括以下步驟：將經掃瞄的影像(B)表面之各經決定的顏色數值(F)及空間數值(V)分配至表示該三維影像(B)的相關區域數值(A)之畫素(P)，所述三維影像(B)係由以纇網格型式排列之多個畫素(P)所組成；將該發炎區域(E)細分為發炎集中點(C)及集中點周圍區域(U)，其中，該發炎集中點(C)的區域藉由分配至該個別相關區域數值(A)之顏色(F)及/或空間(A)數值，從該集中點周圍區域(U)的區域中來劃分；計算對應於該發炎集中點(C)的平均顏色數值(F)之絕對整體顏色數值(FW)，較佳為該平均品紅色數值，或者對應於相關該集中點周圍數值(U)的平均顏色數值(F)之發炎集中點(C)的平均顏色數值(F)之相對整體顏色數值(FW)；計算對應於該發炎集中點(C)的個別空間數值(V)之總合之絕對整體體積數值(VWV)，及/或相對整體體積數值(VWR)，較佳為粗糙度數值，其係藉由比對該發炎集中點(C)的個別空間數值(V)及該集中點周圍區域(U)的個別空間數值(V)來計算；計算該皮膚發炎分數(Z)：a.從至少一個經計算的整體顏色數值(FW)及至少一個經計算的整體體積數值(VWv,VWR)；或b.藉由將至少一個經計算的整體顏色數值(FW)分配至經定義的發炎等級(K0,K1,K2,K3)，將至少一個，較佳為數個，經計算的整體體積數值(VWv,VWR)分配至經定義的發炎等級(K0,K1,K2,K3)，及藉由所述分配而決定之該發炎等級，形成平均數值；以及輸出，較佳為大約的，該平均數值作為所述皮膚發炎分數(Z)。
    类似技术:
    公开号 | 公开日 | 专利标题
    TWI544898B|2016-08-11|決定皮膚發炎分數之裝置及方法
    EP2916738B1|2018-07-11|Lung, lobe, and fissure imaging systems and methods
    CN107480677B|2020-04-28|一种识别三维ct图像中感兴趣区域的方法及装置
    JP6718975B2|2020-07-08|冠動脈において健全な管腔径を推定し狭窄を定量化するためのシステム及び方法
    JP2012125469A|2012-07-05|画像処理装置、画像処理方法、及び画像処理プログラム
    US9898818B2|2018-02-20|Automated measurement of changes in retinal, retinal pigment epithelial, or choroidal disease
    JP2007083034A|2007-04-05|評価のための気道視覚化システムおよび方法
    US7929741B2|2011-04-19|System and method for automated detection of mucus plugs within bronchial tree in MSCT images
    JP6273291B2|2018-01-31|画像処理装置および方法
    JP6544648B2|2019-07-17|骨粗鬆症診断支援装置
    CA2964021A1|2016-05-06|Determination of localised quality measurements from a volumetric image record
    US20200167923A1|2020-05-28|Method, apparatus, and system to identify branches of a blood vessel
    JP2007061622A|2007-03-15|気道内腔の直径、気道壁の厚さおよび気管支動脈比を使用して多断面コンピュータ断層撮影（ｍｓｃｔ）イメージデータの自動的な気道評価を行うためのシステムおよび方法
    JP2008220617A|2008-09-25|画像解析システム、及び画像解析プログラム
    JP2008073188A|2008-04-03|画像解析システム、及び画像解析プログラム
    CN107993228B|2021-02-02|一种基于心血管oct影像的易损斑块自动检测方法和装置
    Yow et al.2016|Automated in vivo 3D high-definition optical coherence tomography skin analysis system
    JP2007252892A|2007-10-04|皮膚表面の立体形状の目視評価値の推定方法
    JP2019058641A|2019-04-18|肌の内部構造の推定方法、肌の内部構造の推定プログラム、および肌の内部構造の推定装置
    Ogiela et al.2011|Computer analysis of gallbladder ultrasonic images towards recognition of pathological lesions
    JP2007090064A|2007-04-12|気道及び動脈を定量分析のためにグループ化するためのシステム及び方法
    Vicente et al.2019|Gradient‐based 3D skin roughness rendering from an in‐vivo skin image for dynamic haptic palpation
    JP2010200925A|2010-09-16|画像処理装置および方法並びにプログラム
    TWI474284B|2015-02-21|腫瘤特徵的量化方法及影像化方法
    JP6458166B2|2019-01-23|医用画像処理方法及び装置及びシステム及びプログラム
    同族专利:
    公开号 | 公开日
    CA2828785A1|2012-09-27|
    EP2688465B1|2015-05-13|
    AT511265A1|2012-10-15|
    JP5921665B2|2016-05-24|
    CN103619238B|2015-08-19|
    AU2012231802B2|2016-05-19|
    EP2688465A1|2014-01-29|
    WO2012126027A1|2012-09-27|
    CN103619238A|2014-03-05|
    EA026318B1|2017-03-31|
    CA2828785C|2017-12-12|
    HK1194270A1|2014-10-17|
    TWI544898B|2016-08-11|
    JP2014512900A|2014-05-29|
    AU2012231802A1|2013-09-19|
    US20140010423A1|2014-01-09|
    AR085916A1|2013-11-06|
    AT511265B1|2013-12-15|
    US9330453B2|2016-05-03|
    EA201391383A1|2014-11-28|
    ES2540953T3|2015-07-15|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    US5588428A|1993-04-28|1996-12-31|The University Of Akron|Method and apparatus for non-invasive volume and texture analysis|
    US5957837A|1996-10-17|1999-09-28|Faro Technologies, Inc.|Method and apparatus for wound management|
    US6081612A|1997-02-28|2000-06-27|Electro Optical Sciences Inc.|Systems and methods for the multispectral imaging and characterization of skin tissue|
    JPH11216120A|1998-02-02|1999-08-10|Pola Chem Ind Inc|炎症の鑑別法|
    US6381026B1|1999-03-15|2002-04-30|Lifecell Corp.|Method of measuring the contour of a biological surface|
    AT349183T|2000-01-29|2007-01-15|Paul E Thomson|Erfassung und quantifizierung von gelenk- und gewebeentzündungen|
    US6757413B1|2000-02-23|2004-06-29|American Telecare, Inc.|Low-cost medical image transfer and control system and method|
    DE10021431C2|2000-05-03|2002-08-22|Inst Neurosimulation Und Bildt|Verfahren und Einrichtung zur Klassifizierung von optisch beobachtbaren Haut- oder Schleimhaut-Veränderungen|
    US6594388B1|2000-05-25|2003-07-15|Eastman Kodak Company|Color image reproduction of scenes with preferential color mapping and scene-dependent tone scaling|
    DE10065146A1|2000-12-22|2002-07-11|Karsten Koenig|Verfahren und Anordnung zur nicht-invasiven dreidimensionalen optischen Untersuchung und Therapie der Haut|
    JP3938534B2|2002-09-19|2007-06-27|株式会社リコー|画像処理装置及び方法、画像形成装置、並びにプログラム|
    AU2002952748A0|2002-11-19|2002-12-05|Polartechnics Limited|A method for monitoring wounds|
    JP3919722B2|2003-09-11|2007-05-30|花王株式会社|肌形状計測方法及び肌形状計測装置|
    JP2009511163A|2005-10-14|2009-03-19|アプライドリサーチアソシエイツエヌゼットリミテッド|表面特徴を観察する方法とその装置|
    US20080304736A1|2007-02-20|2008-12-11|Masahiro Nakagawa|Method of estimating a visual evaluation value of skin beauty|
    US7495208B2|2006-06-01|2009-02-24|Czarnek And Orkin Laboratories, Inc.|Portable optical wound scanner|
    US20110096150A1|2007-08-22|2011-04-28|Koninklijke Philips Electronics N.V.|Method and apparatus for the optical characterization of surfaces|
    US8849380B2|2007-11-26|2014-09-30|Canfield Scientific Inc.|Multi-spectral tissue imaging|
    EP2347369A1|2008-10-13|2011-07-27|George Papaioannou|Non-invasive wound prevention, detection, and analysis|
    JP2010200971A|2009-03-03|2010-09-16|Hoyu Co Ltd|異常脱毛予測／推定方法、異常脱毛予防／防止方法及び異常脱毛防止剤評価方法|
    US20100234737A1|2009-03-12|2010-09-16|Miranda Aref Farage|Method for assessing skin irritation using infrared light|
    US8150501B2|2009-03-26|2012-04-03|Johnson & Johnson Consumer Companies, Inc.|Method for measuring skin erythema|
    FR2944898B1|2009-04-23|2018-03-16|Lvmh Recherche|Procede et appareil de caracterisation des imperfections de la peau et procede d'appreciation de l'effet anti-vieillissement d'un produit cosmetique|
    CN101894212B|2010-07-05|2012-02-15|上海交通大学医学院|一种对皮肤创面综合检测的方法|
    JP5165732B2|2010-07-16|2013-03-21|オリンパス株式会社|マルチスペクトル画像処理方法、画像処理装置、及び画像処理システム|US5169986A|1986-05-21|1992-12-08|Toray Industries, Inc.|Organic nonlinear optical material|
    JP2009511163A|2005-10-14|2009-03-19|アプライドリサーチアソシエイツエヌゼットリミテッド|表面特徴を観察する方法とその装置|
    US9179844B2|2011-11-28|2015-11-10|Aranz Healthcare Limited|Handheld skin measuring or monitoring device|
    US9854970B2|2012-02-21|2018-01-02|Massachusetts Eye & Ear Infirmary|Calculating conjunctival redness|
    ES2774307T3|2013-03-13|2020-07-20|Innoprick S L|Medición de ronchas y detección de alergias|
    CN106535740B|2014-05-02|2019-10-15|马萨诸塞眼科耳科诊所|用于确定表示角膜染色量的分数的方法和系统|
    JP6504914B2|2015-05-20|2019-04-24|花王株式会社|皮膚毛細血管の観察方法|
    US9928592B2|2016-03-14|2018-03-27|Sensors Unlimited, Inc.|Image-based signal detection for object metrology|
    US10007971B2|2016-03-14|2018-06-26|Sensors Unlimited, Inc.|Systems and methods for user machine interaction for image-based metrology|
    US10013527B2|2016-05-02|2018-07-03|Aranz Healthcare Limited|Automatically assessing an anatomical surface feature and securely managing information related to the same|
    CN106023269B|2016-05-16|2019-03-22|北京大学第一医院|一种估算伤口面积的方法及装置|
    JP6793325B2|2016-05-25|2020-12-02|パナソニックＩｐマネジメント株式会社|肌診断装置および肌診断方法|
    CN106361288A|2016-09-28|2017-02-01|湖南老码信息科技有限责任公司|一种基于增量式神经网络模型的夏季性皮炎预测方法和预测系统|
    US11116407B2|2016-11-17|2021-09-14|Aranz Healthcare Limited|Anatomical surface assessment methods, devices and systems|
    CN109493310A|2017-09-08|2019-03-19|丽宝大数据股份有限公司|身体信息分析装置及其手部肌肤分析方法|
    CN109330566A|2018-11-21|2019-02-15|佛山市第人民医院（中山大学附属佛山医院）|一种伤口监测方法及装置|
    法律状态:
    2021-05-11| MM4A| Annulment or lapse of patent due to non-payment of fees|
    优先权:
    申请号 | 申请日 | 专利标题
    ATA420/2011A|AT511265B1|2011-03-24|2011-03-24|Einrichtung zur ermittlung eines hautentzündungswertes und verfahren zur auswertung von dreidimensionalen bildern|
    [返回顶部]