隨著醫療技術信息化的發展，用計算機技術來輔助臨床問題的處理也運用得越來越多。運用計算機輔助技術對傷口護理領域中有關傷口形狀、色彩、邊界的測量及愈合預測的問題及研究進展進行闡述，同時提出基于偏微分的傷口三維模型建立和基于紋理合成技術對肌成纖維細胞進行模擬的傷口愈合圖像預測算法。傷口三維模型的建立和傷口愈合圖像預測算法的模擬，不僅有助于臨床傷口科研工作的進一步展開，促進醫療工作的信息化和數字化發展；還能實現預測工作，為醫護工作者提供了一種新的影像學參考資料，同時有利于患者進一步的了解自己的病情。現就基于計算機輔助技術的傷口預測研究進展作一綜述。
引用本文： 鄧悟, 劉歡, 師慶科, 陳佳麗, 廖燈彬. 基于計算機輔助技術的傷口預測研究. 華西醫學, 2014, 29(12): 2394-2396. doi: 10.7507/1002-0179.20140724 復制
傷口護理為護理學的三級學科，包含傷口護理、造口護理、失禁護理等多個亞專科，目前在西方等發達國家已發展成學術機構健全、學位教育和繼續教育并重、臨床實踐與基礎研究共進的實力強勁的護理亞專業[1]。隨著我國內地傷口護理的發展，計算機輔助技術即信息化技術也越來越多地運用到傷口護理之中，其高運算速度、易保存、可視化、便于交互的優點使得對傷口的處理更加精細和科學。目前傷口的精細化管理尚面臨許多難點，如傷口大小的精確測量及對愈合結局的評估[2]等，而這些問題可通過計算機輔助技術來探索和實現，本文就如何利用計算機輔助技術對傷口大小的測量和愈合圖像預測進行了探索和研究，以期促進傷口護理的發展。
1 基于偏微分的傷口三維模型建立和預測
1.1 傷口大小測量的方法
傳統臨床治療中，醫護人員通常使用直接測量法對傷口的表面積和體積進行測量[3]，如使用傷口尺對傷口的面積進行測量，利用鑷子、棉簽等輔助工具對傷口的深度進行測量以便能得到較為精確的結果。隨著科技的發展，使用醫學影像配合刻度記錄傷口大小的測量方法逐漸產生，如3D照相機[4]。傳統的測量手段存在感染和不準確的缺點，而3D照相機則存在成本較高，適用范圍較窄等不足。鑒于這些問題，可采用一種更為先進和實用的測量方法：基于偏微分的傷口三維模型重建。現今的圖像處理領域，常用的建模方式大致可以分為基于邊界的多邊形三維重建、基于擠壓和曲面的變形的補丁模擬建模以及基于偏微分方程的曲面構造法建模[5]。基于多邊形的傳統建模方法，由于其多邊形精確定位的特點，多被用于工業零件拼接、基建設計中，考慮到傷口模型的不規則形狀特點，采用多邊形建模的方式需要建立數百級的控制頂點，才能較為準確的描繪傷口的形狀特征，從而造成了大量的計算機運算壓力；基于擠壓和曲面的建模方式，雖然能夠通過多次裁剪和擬合的方式對傷口邊界進行較為準確的呈現，但是設計過程復雜，不具有通用性；而基于偏微分方程的曲面構造法[6]，采用設定傷口的邊界條件，運用橢圓型偏微分方程求解來模擬傷口曲面，這種模擬方式能將設計參數域控制在一個較小的范圍中，從而降低了傷口建模的成本，高效地呈現出復雜的三維傷口模型。 因此，傷口模型的建立主要采用基于偏微分方程的曲面構造法。
1.2 基于偏微分的傷口模型構建方法
基于偏微分方程的曲面構造法是上世紀80年代末由Leeds大學的Bloor等人引入到計算機輔助幾何設計領域的。最初是基于過渡曲面的構造問題能夠轉化為一個偏微分方程式的邊界條件問題為目的進行實驗，經過大量的實驗后發現該方法可以解決大量的自由曲面的構建問題[7]。Bloor等[7]詳細地介紹了通過調和方程和類雙調和方程生成過渡曲面的方法。1996年，余正生等[8]基于NURES的偏微分方程的曲面構造法。通過NURES曲線或曲面給定邊界條件，結合偏微分方程的求解方法獲得所要求的偏微分方程曲面，可通過單一參數改變生成曲面的形狀。這種優化算法的提出，大大增加了交叉領域運用的可能性，使得大量的模型使用人員，能通過單一參數的修改，對模型變換進行操控。2011年，設定樣本曲線對傷口模型的邊界條件進行模擬的算法被提出[9]，其設定樣本曲線為Pi，Bi三次的多項式，Ci為曲面對應的控制頂點，樣本曲線公式為Pi=ΣBiCi。采用PI來反映傷口的邊界條件的優點為：通過離散采樣能方便地計算出傅里葉離散表達，采用對傷口的結構信息進行離散采樣后，計算出傷口表面的三維重建圖。由于該算法的運算參數較少，方便醫務工作者使用較少的流程對傷口圖像進行圖形轉換和操作，從而加大了其適用面。
1.3 基于偏微分的傷口三維模型構建的優勢
基于偏微分的傷口三維模型重建算法運用于傷口領域有以下優勢：① 可精確預測傷口的大小，能較為更準確的計算出需使用藥物或敷料等的用量，既可保證療效也可在一定程度的避免醫療用物的浪費。② 建立傷口過渡面條件簡單，條件參數僅為過渡線和過渡線處的跨界導矢。③ 求解出的單個傷口曲面紋理符合視覺連通性，曲面參數的超越函數[10]，能夠呈現多數的傷口曲面。④ 由于三維重建時所需錄入的條件數據較少，對于醫護工作者的數學背景要求較低，符合現有的醫療狀況。⑤ 由于錄入參數較少，對于臨床中大量出現的類似傷口形狀，可以通過簡易的參數修改，進行新的建模，便于進行臨床科研。⑥ 傷口曲面的演算，歸根結底是一個泛函的極值運算，計算壓力較小，從而對臨床科室的硬件沒有特殊的要求，一定程度上提高了適應能力，降低了臨床科研成本。
2 基于紋理合成技術的傷口愈合圖像的預測
2.1 傷口愈合預測的方法
對傷口的愈合進行預測，能讓患者更加準確地了解病情，也為治療后期的康復工作提供更多的參考。現階段的臨床治療中，對于傷口愈合情況及可能愈合圖像的描述和預測通常是根據醫護人員的經驗及記錄在案的先驗知識為依據的，這種方法需要豐富的傷口處理經驗與完整規范的記錄，存在著一定的不穩定性，若醫護人員經驗欠缺、記錄不完善、傷口護理的人員不固定則不能進行準確的預測。而隨著信息技術的發展，計算機輔助下的傷口愈合圖像的預測成為可能性，其通過利用正常細胞的生長狀態與體內血液流動及其他特征信息由計算機進行數字化模擬，通過掃描細胞紋理，采用基于紋理的區域填充圖像處理算法，在匹配準則中引入“洋蔥皮”策略[11]，對愈合后的細胞紋理圖像進行預測，然后制作出傷口預計的愈合圖像。同時，傷口模型的建立和愈合圖像的預測，提供了后期研究的影像學資料，增加了臨床科研的靈活性。
2.2 圖像預測的方法
1995年，Heeger等[12]通過觀察金字塔紋理，提出了結合方向可控金字塔變換和拉普拉斯金字塔2種模型，計算出大量的紋理信息和方向特征數據，根據其各自的特征，進行直方圖統計，最終實現了紋理合成算法的雛形。1999年，Bonet等[13]在Heeger模型的基礎上，采用多尺度圖像金字塔變換，全方位的提取金字塔的紋理特征，以達到更加細膩的生成紋理的結果。1999年同期，Efros等[14]采用馬爾科夫隨機場模型，首次提出了將設待修復的像素點只與其相鄰區域的像素點有關，借用高斯核模型對周圍的結構信息進行采樣，最后根據歐式距離進行匹配和賦值。這種算法被命名為基于樣圖的紋理合成算法。2002年田婭等[15]提出了基于影像歸檔和通信系統的灰階梯度共生矩陣算法，結合圖像配準和融合技術，對CT圖像進行了預測。2007年申智勇[16]使用圖像紋理合成技術對牙齒CT掃描圖像進行了預測和修復，該算法從基于點的掃描改進為基于樣板塊的像素掃描，圖像的預測準確度取得了一定的提升。
2.3 基于紋理合成的傷口愈合圖像預測
傷口愈合中，主要由成纖維細胞轉變而來的肌成纖維細胞在傷口收縮以及分泌膠原中有重要作用，肌成纖維細胞的分化與傷口愈合的質量和速度密切相關[17]。而在基于紋理合成的傷口預測中，采用“洋蔥皮”策略[5]對肌成纖維細胞[18]的分化進行靜態模擬。“洋蔥皮”模型被廣泛接受的不僅僅是其對填充順序的創新，同時也是其對置信度C（p）和數據項D（p）的定義。置信度被定義為：待修復區域所含有已知的信息量，置信度越大，則優先修復，反之則晚修復；而數據項則定義單個像素[19]的信息量，從而模擬細胞的顏色和紋理特征。公式如下：
| $\begin{align} & P\left( p \right)=C\left( p \right)\cdot D\left( p \right) \\ & C\left( p \right)=\frac{\Sigma q\in \Psi pn\left( 1-\Omega \right)C\left( q \right)}{\left| \Psi \right|} \\ & D\left( p \right)=\frac{\left| \nabla I\frac{1}{p}\cdot {{n}_{p}} \right|}{q} \\ & d\left( \Psi p,\Psi q \right)=\Sigma {{\left( {{V}_{ip}}-{{V}_{iq}} \right)}^{2}} \\ \end{align}$ |
其中：p為待修復區域邊緣的像素點，Ω為傷口區域，Ψp為以p為中心的待修復區域，q為Ψp中所包含的已知點，│Ψp│為待修復區域的具體大小，Φ為已知的像素區域。進一步帶入到匹配準則中，實現圖像的預測。
結合傷口愈合的過程、圖像預測的方法及計算機輔助技術，本文提出了一種基于紋理合成的傷口愈合圖像算法，通過模擬肌成纖維細胞分化，實現對傷口愈合圖像的預測。首先人工選定傷口區域，通過基于等照度線的修復優先權方法來確定傷口區域的優先級；其次設置搜索策略，在相鄰區域為修復優先級最高的傷口區域搜索愈合樣本[20]；最后通過傷口樣本中的像素信息，計算出預測圖像，填充到預測區域中。從慢性創面實驗結果（圖 1）中可看出，目前的預測圖像紋理清晰，結構連接處自然，符合視覺連通性，具備了一定的影像學參考價值。因此本文提出的預測算法符合傷口的愈合紋理規則，約85%部分的紋理方向正確。由此得出，本文算法對傷口愈合圖像的預測，能夠滿足后續臨床觀察和研究的需要。
圖1
慢性創面愈合圖像預測實驗 a.慢性創面圖像 b.愈合圖像預測
3 展望
在未來的臨床傷口護理工作和科研中，計算機和圖像技術將會越來越多地應用到一線工作當中[21]，其以醫學成像理論為基礎，以實際臨床需求為目的，通過建立數字化模型與模擬成像對臨床治療提供輔助和參考作用。另一方面，臨床的實際需求也促進著圖像信息技術向更精確、更效率和更清晰的方向發展[22]。目前傷口靜態模型建立和傷口愈合圖像的靜態預測具備一定的應用、科研和參考價值，但仍不能應對臨床中出現的多種特殊情況。在以后的研究中，如何建立傷口動態模型和對傷口愈合圖像進行動態預測、實時預測，將會成為未來的主要研究方向和熱點。
傷口護理為護理學的三級學科，包含傷口護理、造口護理、失禁護理等多個亞專科，目前在西方等發達國家已發展成學術機構健全、學位教育和繼續教育并重、臨床實踐與基礎研究共進的實力強勁的護理亞專業[1]。隨著我國內地傷口護理的發展，計算機輔助技術即信息化技術也越來越多地運用到傷口護理之中，其高運算速度、易保存、可視化、便于交互的優點使得對傷口的處理更加精細和科學。目前傷口的精細化管理尚面臨許多難點，如傷口大小的精確測量及對愈合結局的評估[2]等，而這些問題可通過計算機輔助技術來探索和實現，本文就如何利用計算機輔助技術對傷口大小的測量和愈合圖像預測進行了探索和研究，以期促進傷口護理的發展。
1 基于偏微分的傷口三維模型建立和預測
1.1 傷口大小測量的方法
傳統臨床治療中，醫護人員通常使用直接測量法對傷口的表面積和體積進行測量[3]，如使用傷口尺對傷口的面積進行測量，利用鑷子、棉簽等輔助工具對傷口的深度進行測量以便能得到較為精確的結果。隨著科技的發展，使用醫學影像配合刻度記錄傷口大小的測量方法逐漸產生，如3D照相機[4]。傳統的測量手段存在感染和不準確的缺點，而3D照相機則存在成本較高，適用范圍較窄等不足。鑒于這些問題，可采用一種更為先進和實用的測量方法：基于偏微分的傷口三維模型重建。現今的圖像處理領域，常用的建模方式大致可以分為基于邊界的多邊形三維重建、基于擠壓和曲面的變形的補丁模擬建模以及基于偏微分方程的曲面構造法建模[5]。基于多邊形的傳統建模方法，由于其多邊形精確定位的特點，多被用于工業零件拼接、基建設計中，考慮到傷口模型的不規則形狀特點，采用多邊形建模的方式需要建立數百級的控制頂點，才能較為準確的描繪傷口的形狀特征，從而造成了大量的計算機運算壓力；基于擠壓和曲面的建模方式，雖然能夠通過多次裁剪和擬合的方式對傷口邊界進行較為準確的呈現，但是設計過程復雜，不具有通用性；而基于偏微分方程的曲面構造法[6]，采用設定傷口的邊界條件，運用橢圓型偏微分方程求解來模擬傷口曲面，這種模擬方式能將設計參數域控制在一個較小的范圍中，從而降低了傷口建模的成本，高效地呈現出復雜的三維傷口模型。 因此，傷口模型的建立主要采用基于偏微分方程的曲面構造法。
1.2 基于偏微分的傷口模型構建方法
基于偏微分方程的曲面構造法是上世紀80年代末由Leeds大學的Bloor等人引入到計算機輔助幾何設計領域的。最初是基于過渡曲面的構造問題能夠轉化為一個偏微分方程式的邊界條件問題為目的進行實驗，經過大量的實驗后發現該方法可以解決大量的自由曲面的構建問題[7]。Bloor等[7]詳細地介紹了通過調和方程和類雙調和方程生成過渡曲面的方法。1996年，余正生等[8]基于NURES的偏微分方程的曲面構造法。通過NURES曲線或曲面給定邊界條件，結合偏微分方程的求解方法獲得所要求的偏微分方程曲面，可通過單一參數改變生成曲面的形狀。這種優化算法的提出，大大增加了交叉領域運用的可能性，使得大量的模型使用人員，能通過單一參數的修改，對模型變換進行操控。2011年，設定樣本曲線對傷口模型的邊界條件進行模擬的算法被提出[9]，其設定樣本曲線為Pi，Bi三次的多項式，Ci為曲面對應的控制頂點，樣本曲線公式為Pi=ΣBiCi。采用PI來反映傷口的邊界條件的優點為：通過離散采樣能方便地計算出傅里葉離散表達，采用對傷口的結構信息進行離散采樣后，計算出傷口表面的三維重建圖。由于該算法的運算參數較少，方便醫務工作者使用較少的流程對傷口圖像進行圖形轉換和操作，從而加大了其適用面。
1.3 基于偏微分的傷口三維模型構建的優勢
基于偏微分的傷口三維模型重建算法運用于傷口領域有以下優勢：① 可精確預測傷口的大小，能較為更準確的計算出需使用藥物或敷料等的用量，既可保證療效也可在一定程度的避免醫療用物的浪費。② 建立傷口過渡面條件簡單，條件參數僅為過渡線和過渡線處的跨界導矢。③ 求解出的單個傷口曲面紋理符合視覺連通性，曲面參數的超越函數[10]，能夠呈現多數的傷口曲面。④ 由于三維重建時所需錄入的條件數據較少，對于醫護工作者的數學背景要求較低，符合現有的醫療狀況。⑤ 由于錄入參數較少，對于臨床中大量出現的類似傷口形狀，可以通過簡易的參數修改，進行新的建模，便于進行臨床科研。⑥ 傷口曲面的演算，歸根結底是一個泛函的極值運算，計算壓力較小，從而對臨床科室的硬件沒有特殊的要求，一定程度上提高了適應能力，降低了臨床科研成本。
2 基于紋理合成技術的傷口愈合圖像的預測
2.1 傷口愈合預測的方法
對傷口的愈合進行預測，能讓患者更加準確地了解病情，也為治療后期的康復工作提供更多的參考。現階段的臨床治療中，對于傷口愈合情況及可能愈合圖像的描述和預測通常是根據醫護人員的經驗及記錄在案的先驗知識為依據的，這種方法需要豐富的傷口處理經驗與完整規范的記錄，存在著一定的不穩定性，若醫護人員經驗欠缺、記錄不完善、傷口護理的人員不固定則不能進行準確的預測。而隨著信息技術的發展，計算機輔助下的傷口愈合圖像的預測成為可能性，其通過利用正常細胞的生長狀態與體內血液流動及其他特征信息由計算機進行數字化模擬，通過掃描細胞紋理，采用基于紋理的區域填充圖像處理算法，在匹配準則中引入“洋蔥皮”策略[11]，對愈合后的細胞紋理圖像進行預測，然后制作出傷口預計的愈合圖像。同時，傷口模型的建立和愈合圖像的預測，提供了后期研究的影像學資料，增加了臨床科研的靈活性。
2.2 圖像預測的方法
1995年，Heeger等[12]通過觀察金字塔紋理，提出了結合方向可控金字塔變換和拉普拉斯金字塔2種模型，計算出大量的紋理信息和方向特征數據，根據其各自的特征，進行直方圖統計，最終實現了紋理合成算法的雛形。1999年，Bonet等[13]在Heeger模型的基礎上，采用多尺度圖像金字塔變換，全方位的提取金字塔的紋理特征，以達到更加細膩的生成紋理的結果。1999年同期，Efros等[14]采用馬爾科夫隨機場模型，首次提出了將設待修復的像素點只與其相鄰區域的像素點有關，借用高斯核模型對周圍的結構信息進行采樣，最后根據歐式距離進行匹配和賦值。這種算法被命名為基于樣圖的紋理合成算法。2002年田婭等[15]提出了基于影像歸檔和通信系統的灰階梯度共生矩陣算法，結合圖像配準和融合技術，對CT圖像進行了預測。2007年申智勇[16]使用圖像紋理合成技術對牙齒CT掃描圖像進行了預測和修復，該算法從基于點的掃描改進為基于樣板塊的像素掃描，圖像的預測準確度取得了一定的提升。
2.3 基于紋理合成的傷口愈合圖像預測
傷口愈合中，主要由成纖維細胞轉變而來的肌成纖維細胞在傷口收縮以及分泌膠原中有重要作用，肌成纖維細胞的分化與傷口愈合的質量和速度密切相關[17]。而在基于紋理合成的傷口預測中，采用“洋蔥皮”策略[5]對肌成纖維細胞[18]的分化進行靜態模擬。“洋蔥皮”模型被廣泛接受的不僅僅是其對填充順序的創新，同時也是其對置信度C（p）和數據項D（p）的定義。置信度被定義為：待修復區域所含有已知的信息量，置信度越大，則優先修復，反之則晚修復；而數據項則定義單個像素[19]的信息量，從而模擬細胞的顏色和紋理特征。公式如下：
| $\begin{align} & P\left( p \right)=C\left( p \right)\cdot D\left( p \right) \\ & C\left( p \right)=\frac{\Sigma q\in \Psi pn\left( 1-\Omega \right)C\left( q \right)}{\left| \Psi \right|} \\ & D\left( p \right)=\frac{\left| \nabla I\frac{1}{p}\cdot {{n}_{p}} \right|}{q} \\ & d\left( \Psi p,\Psi q \right)=\Sigma {{\left( {{V}_{ip}}-{{V}_{iq}} \right)}^{2}} \\ \end{align}$ |
其中：p為待修復區域邊緣的像素點，Ω為傷口區域，Ψp為以p為中心的待修復區域，q為Ψp中所包含的已知點，│Ψp│為待修復區域的具體大小，Φ為已知的像素區域。進一步帶入到匹配準則中，實現圖像的預測。
結合傷口愈合的過程、圖像預測的方法及計算機輔助技術，本文提出了一種基于紋理合成的傷口愈合圖像算法，通過模擬肌成纖維細胞分化，實現對傷口愈合圖像的預測。首先人工選定傷口區域，通過基于等照度線的修復優先權方法來確定傷口區域的優先級；其次設置搜索策略，在相鄰區域為修復優先級最高的傷口區域搜索愈合樣本[20]；最后通過傷口樣本中的像素信息，計算出預測圖像，填充到預測區域中。從慢性創面實驗結果（圖 1）中可看出，目前的預測圖像紋理清晰，結構連接處自然，符合視覺連通性，具備了一定的影像學參考價值。因此本文提出的預測算法符合傷口的愈合紋理規則，約85%部分的紋理方向正確。由此得出，本文算法對傷口愈合圖像的預測，能夠滿足后續臨床觀察和研究的需要。
圖1
慢性創面愈合圖像預測實驗 a.慢性創面圖像 b.愈合圖像預測
3 展望
在未來的臨床傷口護理工作和科研中，計算機和圖像技術將會越來越多地應用到一線工作當中[21]，其以醫學成像理論為基礎，以實際臨床需求為目的，通過建立數字化模型與模擬成像對臨床治療提供輔助和參考作用。另一方面，臨床的實際需求也促進著圖像信息技術向更精確、更效率和更清晰的方向發展[22]。目前傷口靜態模型建立和傷口愈合圖像的靜態預測具備一定的應用、科研和參考價值，但仍不能應對臨床中出現的多種特殊情況。在以后的研究中，如何建立傷口動態模型和對傷口愈合圖像進行動態預測、實時預測，將會成為未來的主要研究方向和熱點。
