一种基于多波长光声谱的皮肤类型识别方法及系统

技术领域

本发明涉及生物超声识别领域，尤其是涉及一种基于多波长光声谱的皮肤类型识别方法及系统。

背景技术

皮肤肿瘤是人类最常见的肿瘤之一，其发病率随着人口的增长和人口老龄化呈逐年上升的趋势。目前皮肤类型的区分识别多以外观为基础，容易出现误诊或漏诊。活检仍是识别皮肤类型的金标准；然而，它是有创的和耗时的，组织切除活检给患者带来痛苦的同时，也会损伤周围皮肤组织及影响美容效果。

光声技术因其是“光进声出”，结合了光学成像的高灵敏度和超声成像的高分辨率特点。光声信号携带了组织的光学、热力学和微结构信息，可以表达生物组织的分子、化学和功能等多维度信息。通过改变光波波长来研究被测对象的光声信号变化，在光波长维度上的信号响应表征了待检测组织的分子化学信息，可用于与分子含量相关的分析；在声频率维度上的展开表征了吸收光的分子团簇的尺度分布，可用于量化生物大分子的微结构评估。多波长光声谱技术能够从物理及化学组织层面上剖析不同类型皮肤组织成分的含量及微结构变化等，在皮肤类型的识别方面具有很大的应用前景。

现有技术中，如中国专利CN201910071235.2公开了一种基于光声光谱积分信号的岩屑类型识别方法及系统，该方法采用光声光谱的方法，但是其方案在于对岩屑的类型进行识别，涉及不同波长，但是未提及岩屑内的特征分子变化；且对所有波长进行积分，损失了具体的分子信息。另外中国专利CN201510935010公开了一种超声光声光声谱三模态成像系统及方法，该方法虽也进行多波长检测，但是获得为光声二维谱图，仅能支直观上定性对组织进行分析，无法获得量化信息，对组织进行客观准确的识别。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于多波长光声谱的皮肤类型识别方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种基于多波长光声谱的皮肤类型识别方法，包括以下步骤：

S1：获取多种类型的皮肤组织的多个特征分子的光吸收波段的光声时域信号；

S2：对多种类型的皮肤组织的多个特征分子的光吸收波段的光声时域信号进行功率谱分析，获取不同波长下多种类型皮肤组织的声功率谱；

S3：对所述不同波长下多种类型皮肤组织的声功率谱的功率谱密度进行积分处理，得到不同波长下的光声量化谱参数；

S4：联合不同波长下的光声量化谱参数作为机器学习支持向量机模型的输入特征参数值，对支持向量机模型进行训练学习，得到训练后的支持向量机模型；

S5：获取待识别皮肤的表征皮肤组织内特征分子含量的光声量化谱参数，输入到支持向量机模型中进行皮肤类型识别，获取待识别皮肤的皮肤类型。

优选地，所述的光声时域信号由脉冲激光源照射在皮肤组织上后通过超声宽带换能器进行采集获取，所述的脉冲激光源为可被皮肤组织内化学成分吸收的具有预定波长的光信号。

优选地，所述的脉冲激光源的波长范围包括690～950nm及1200～1800nm。

优选地，所述S1的皮肤组织的类型数量大于等于3。

优选地，所述不同波长下的光声量化谱参数为：

其中，APSD

优选地，所述不同波长下的光声量化谱参数表征了皮肤组织内不同特征分子的含量。

优选地，所述的特征分子包括皮肤组织的内血红蛋白、胶原、脂质、黑色素。

优选地，所述的皮肤组织的类型包括正常皮肤组织、皮肤基底细胞癌组织、皮肤鳞状细胞癌组织。

一种基于多波长光声谱的皮肤类型识别系统，包括信号获取模块、功率谱分析模块、积分处理模块、支持向量机模块、训练模块，

所述的信号获取模块用于获取多种类型的皮肤组织的多个特征分子的光吸收波段的光声时域信号；

所述的功率谱分析模块用于对多种类型的皮肤组织的多个特征分子的光吸收波段的光声时域信号进行功率谱分析，获取不同波长下多种类型皮肤组织的声功率谱；

所述的积分处理模块用于对所述不同波长下多种类型皮肤组织的声功率谱的功率谱密度进行积分处理，得到不同波长下的光声量化谱参数；

所述的训练模块用于联合不同波长下的光声量化谱参数作为机器学习支持向量机模型的输入特征参数值，对支持向量机模型进行训练学习，得到训练后的支持向量机模型；

所述的支持向量机模块用于获取待识别皮肤的表征皮肤组织内特征分子含量的光声量化谱参数，输入到支持向量机模型中对待识别皮肤进行皮肤类型识别，获取待识别皮肤的皮肤类型。

优选地，所述不同波长下的光声量化谱参数为：

其中，APSD

与现有技术相比，本发明具有如下优点：

1)、本发明通过皮肤组织的多个特征分子的光声时域信号获取皮肤组织不同波长下的光声量化谱参数，能够有效识别皮肤组织不同特征分子的量化信息，通过机器学习的形式进行分类识别，实现客观、定量、精确的皮肤组织类型识别。

2)、信息丰富：所识别的皮肤组织由特定的有机或无机大分子组成，其均具有特定的光吸收性质，本发明基于不同波长的脉冲激光源对皮肤组织的光声时域信号进行获取，可以在不同的波段特异性地检测不同的特征分子，完成波长扫描后即可获得多种特征分子的特征信号，包括血红蛋白、脂肪、胶原等特征分子，本发明可对皮肤组织内多种物质进行定征和分析，提供皮肤组织内丰富的分子化学信息，为支持向量机模型提供丰富的数据基础，提高识别的准确性。

3)、客观评价：本发明在进行光声时域信号获取时，可将待识别皮肤组织的光声时域信号与黑体产生的光声时域信号进行能量归一，用于去除不同波长下的能量差异，并对用于接受皮肤组织光声时域信号的超声宽带换能器进行了频响校准，提取的光声量化谱参数将检测设备脉冲激光源、超声宽带换能器的影响分离出来，提供了与检测设备无关的更为客观的定量结果，可进行多次重复测量，因此可对皮肤类型进行更为客观、准确的评估识别。

4)、定量评估：所提取的光声量化谱参数与生物组织中特征分子的含量高度相关，通过提取不同波长下的光声量化谱参数可得到皮肤组织内相应分子的相对含量，可对不同类型皮肤组织内的分子化学含量进行量化分析，从而实现对不同类型的皮肤类型进行定量评估。

5)、快速精准识别：将不同皮肤组织的多种特征分子的光声量化谱参数输入机器学习支持向量机进行训练学习，通过支持向量机模型能节省耗费的时间，并减弱因为人为识别造成的误诊率，智能、精确识别不同类型的皮肤组织。

附图说明

图1为本发明的流程图；

图2为本发明采集的光声功率谱示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。

实施例

一种基于多波长光声谱的皮肤类型识别方法，所述方法基于皮肤组织内多种特征分子的内源性吸收特性，对皮肤类型进行识别区分，是一种无创且迅捷的物质表征方法，基于皮肤组织内多个特征分子光吸收特性，采集不同类型皮肤组织内多个特征分子光声信号；利用声功率谱分析，得到可以反映特征分子含量的光声量化谱参数；联合多波长下的光声量化谱参数，将其作为机器学习支持向量机模型的输入特征参数进行训练；通过所述支持向量机模型分析识别不同类型的皮肤组织，如图1所示，具体包括以下步骤：

S1：获取多种类型的皮肤组织的多个特征分子的光吸收波段的光声时域信号。本实施例中，分别测量N种不同类型皮肤组织的多个特征分子的光吸收波段的光声时域信号，其中N为不小于3的正整数；所述N种不同类型皮肤组织的多个特征分子的光声时域信号的波长测量范围相同，覆盖皮肤组织内多个特征分子的特征光吸收波长。本实施例中的光声时域信号可采用现有的数据集，获取多种类型的皮肤组织的多个特征分子的光吸收波段的光声时域信号后组成用于训练向量机模型的数据库。

本发明中，光声时域信号由脉冲激光源照射在皮肤组织上后通过超声宽带换能器进行采集获取，脉冲激光源为可被皮肤组织内化学成分吸收的具有预定波长的光信号。所述多个特征分子的光吸收波段的脉冲激光源是指可被皮肤组织内特定化学成分吸收的具有预定波长的光信号，波长范围覆盖690-950nm及1200-1800nm，包括但不仅限于有氧血红蛋白的吸收波长750nm，脂肪的吸收波长1210nm，胶原的吸收波长1310nm等多种特定分子的光吸收波长。

脉冲激光源照射在皮肤组织上后，通过超声宽带换能器进行采集，获取特征分子的光声时域信号。本实施例中，针对采集到的不同波长下的皮肤组织的光声时域信号，需要使用黑体信号对不同波长造成的脉冲激光能量差异进行激光光能量校准，并进一步对超声宽带换能器进行频响校准，去除系统影响。

本实施例中，激光源为OPOTEK脉冲激光器，采集时利用黑体产生的光声时域信号进行能量归一，去除了OPOTEK脉冲激光器不同波长下能量的波动带来的影响；通过频响校准去除了超声宽带换能器对不同频率响应不同的影响。

本实施例中所采用的皮肤组织类型包括但不限于正常皮肤组织、皮肤基底细胞癌组织、皮肤鳞状细胞癌组织、皮肤原发鳞癌组织、皮肤恶性黑色素瘤组织。

S2：对所述N种不同类型皮肤组织的多个特征分子的光声时域信号进行功率谱分析，得到不同波长下N种不同类型皮肤组织的声功率谱。

S2：对所述N种不同类型皮肤组织的多个特征分子的光声时域信号进行功率谱分析，得到不同波长下N种不同类型皮肤组织的声功率谱。

S3：对所述不同波长下多种类型皮肤组织的声功率谱的功率谱密度进行积分处理，得到不同波长下的光声量化谱参数。光声量化谱参数与检测设备脉冲激光源、超声宽带换能器无关，光声量化谱参数与实验检测系统的换能器的频率相应相应、以及激光器不同波长下的能量差异等因素无关，只与生物组织内特征分子的含量有关，反映了皮肤组织内特征大分子的光吸收，与皮肤组织内的特征分子含量成正比关系，不同波长下表征皮肤组织内特征分子含量的光声量化谱参数所对应的数学公式如下：

其中，APSD

不同波长下的光声量化谱参数表征了皮肤组织内不同特征分子的含量，所述特征分子包含但不仅限于皮肤组织内血红蛋白、胶原、脂质、黑色素等。联合多波长下的光声量化谱参数，可以同时对皮肤组织内多种特征生物大分子含量进行定量分析，提供丰富的分子化学信息以实现对皮肤组织类型的定量表征。

S4：联合多波长下表征各类皮肤组织内特征分子含量的光声量化谱参数作为机器学习支持向量机模型的输入特征参数值，对支持向量机模型进行训练学习，得到训练后的支持向量机模型。本实施例中，利用交叉验证法对所述支持向量机模型进行训练测试，得到训练后的稳定的支持向量机模型。

S5：获取待识别皮肤的表征皮肤组织内特征分子含量的光声量化谱参数，输入到支持向量机模型中进行皮肤类型识别，获取待识别皮肤的皮肤类型。

另外，本实施例中提供了一种基于多波长光声谱的皮肤类型识别系统，包括信号获取模块、功率谱分析模块、积分处理模块、训练模块、支持向量机模块。进一步地，信号获取模块用于获取多种类型的皮肤组织的多个特征分子的光吸收波段的光声时域信号；功率谱分析模块用于对多种类型的皮肤组织的多个特征分子的光吸收波段的光声时域信号进行功率谱分析，获取不同波长下多种类型皮肤组织的声功率谱；积分处理模块用于对所述不同波长下多种类型皮肤组织的声功率谱的功率谱密度进行积分处理，得到不同波长下的光声量化谱参数；训练模块用于联合不同波长下的光声量化谱参数作为机器学习支持向量机模型的输入特征参数值，对支持向量机模型进行训练学习，得到训练后的支持向量机模型；支持向量机模块用于获取待识别皮肤的表征皮肤组织内特征分子含量的光声量化谱参数，输入到支持向量机模型中进行皮肤类型识别，对待识别皮肤进行皮肤类型识别。

本发明在应用时，通过脉冲激光源照射在皮肤组织上，基于皮肤组织内多种特征分子的内源性吸收特性，不会对皮肤组织造成损伤，对不同类型的皮肤组织进行检测识别，是一种无创且迅捷的皮肤类型识别方式。

上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。