| 一、研究目標: 近年來年長者患有慢性疾病之比例增多，而大多慢性病病患皆受慢性傷口之影響，其傷口若未處理完善，反覆的發炎情況可能造成蜂窩性組織炎甚至需要截肢或引發敗血症導致死亡，此狀況將造成醫療資源與人員的消耗及醫療單位的負擔，故透過醫療科技及人工智慧來減少醫療單位的看診壓力已成為醫療院所關注的重要議題。 為解決上述議題，本研究團隊藉由多方跨領域合作，結合電機工程、光電工程、臨床醫學、工業設計與醫學工程，如圖一所示，使用多光譜光源對皮膚與傷口成像，藉由不同波長光譜頻段對皮下組織各組成成分的穿透性與對光源的吸收性，建立光譜模型與血氧飽和度換算公式，以獲取高精準度之皮下血氧分布影像，並透過深度學習模型分析可見光傷口影像，提供給醫療人員進行輔助判斷，更可以藉由物聯網與雲端資料庫實現遠端醫療。 |
|
|
|
圖1、系統架構圖 |
|
|---|---|
| 二、研究內容 多光譜光源系統電路與裝置設計: 如圖二所示，本系統與國家實驗研究院合作開發設計具有多光譜光源之照明光盤、光源切換控制電路，並使用相機獲取不同頻譜之二維成像以計算皮下組織血氧濃度(SpO2)分布圖，其中多光譜光盤包含可見光、紅光與紅外光三種LED光源，並使用脈衝寬度調變(PWM)精準控制LED光源亮度，而為固定相機焦距以保持影像一致性與排除環境光干擾，本系統與工業設計系合作，結合人因工程設計理念，使用3D列印技術製作裝置外殼與實驗用治具。此外，本系統於成大醫院動物中心進行多項動物實驗與臨床測試。 |
||
|
||
圖2、系統外殼與電路圖 |
||
|---|---|---|
|
人機操控介面與雲端資料庫設計: 如圖三所示，本系統採用C#程式語言開發一套人機控制介面軟體以方便使用者操作與設定系統參數，其中包含多光譜相機串口連接、LED光源亮度調整、存取路徑與拍攝模式設定。此外，本系統所蒐集之影像資料亦會透過網際網路上傳至雲端資料庫，藉由MySQL將資料自動分類儲存以利後續資料分析與存取，並以PHP串接資料庫將資料顯示於網頁平台，可讓病患或醫護人員使用行動裝置查閱資料。 |
|||
|
|||
圖3、系統控制介面與資料庫 |
|||
|---|---|---|---|
|
傷口區域分割: 在取得傷口影像後，首先要偵測傷口位置，以利後續的分析。本團隊在傷口區域切割的方法採用U-Net，模型架構如圖四左上圖所示，使用U-Net能準確地切割出傷口形狀，而模型的使用資料中包含開源資料庫的810張影像與成大醫院收案的136張影像，並將資料以8：2分成訓練集與測試集，圖四右圖為模型分割結果，半透明的綠色遮罩是模型所切割出傷口的部分，本模型的測試結果Precision為91.9%，Recall為91.2%，Dice為91.5% |
|||
|
|||
圖4、傷口區域分割模型與辨識成果 |
|||
|---|---|---|---|
|
傷口組織辨識: 切割出傷口區域後，接著需要進行傷口組織辨識。傷口的組織會分成肉芽組織、腐爛組織和壞死組織，肉芽組織代表目前傷口的肉正在生長，因此傷口的肉芽組織比例越高代表傷口的復原狀況越好，而壞死組織代表該組織已經沒有生長能力，腐爛組織則會因為過多的細菌影響傷口癒合，兩種組織都需要透過清創手術將之清除。因此透過辨識傷口組織可以將傷口的復原狀況進行量化，藉以判斷傷口是否需要清創或是改變照護方式。在傷口辨識部分本團隊利用隨機森林(Random Forest)進行組織分析，圖五右圖為與成大醫院收案的照片，下方的辨識成果中可以看到組織辨識的結果，圖中紅色的部分為肉芽組織，黃色的部分為腐爛組織，黑色的部分是壞死組織。組織分析的模型在Precision上達到85.5%，Recall達到85%，Accuracy達到85%。 |
|||
|
|||
圖5、傷口組織辨識模型與辨識成果 |
|||
|---|---|---|---|
|
臨床傷口清創輔助: 圖六為成大醫院傷患在不同時間點中在醫師清創前後的照片，可以觀察到圖中傷口區域的血氧值較皮膚區域的血氧值高，在清創前所拍攝到的影像中有大片的壞死區域，該區域的血氧值較傷口其他區域低，在清創後該區域的血氧值有明顯上升，表示在清創後讓傷口的組織血液循環有所提升。本系統能夠得到傷口中的血氧分佈，提供醫師關於傷口的資訊，幫助醫師在傷口清創與照護方式的協助。 |
|||
|
|||
圖6、清創前後傷口與血氧影像 |
|||
|---|---|---|---|
| 三、參考資料 |
|
[1] Chih-Lung Lin*, Meng-Hsuan Wu, Yuan-Hao Ho, Fang-Yi Lin, Yu-Hsien Lu, Yuan-Yu Hsueh, and Chia-Chen Chen, "Multispectral Imaging-based System for Detecting Tissue Oxygen Saturation with Wound Segmentation for Monitoring Wound Healing," IEEE Journal of Translational Engineering in Health and Medicine, vol. 12, pp. 468-479, May 2024 (Impact Factor: 3.4) |