余 蓉，曹冠柏 综述，杨以平 审校

    (重庆市九龙坡区人民医院,重庆 400050)

    压力性损伤是一种常见疾病，随着人口老龄化，加上如糖尿病等慢性疾病，使压力性损伤经久不愈，并且容易感染，不仅给患者造成极大痛苦，而且长期的护理和治疗[1]导致费用高昂，给社会和患者家庭带来极大负担[2]。准确诊断、精准治疗能加快患者的损伤修复，减少这类患者的经济负担，提升其生活质量。随着计算机技术的发展，人工智能(AI)、数字图像分析技术在医学领域的研究和应用，实现压力性损伤的准确评估、降低医疗费用，具有重要的应用价值[3-4]。本文将综述有关压力性损伤图像分析应用的研究进展。

    1 压力性损伤图像分析应用的研究

    压力性损伤图像分析技术属于无创监测技术，可以准确分析其特征，而无须与创面本身接触。压力性损伤图像分析通常包括图像分割、测量、组织分类和愈合评估4个方面。

    1.1压力性损伤图像分割技术 压力性损伤图像分割作为图像处理与分析中最重要的步骤之一，其目的是理解图像内容，提取出图像中对诊断有价值的部分，自动找到图像中压力性损伤创面的边界，分割分离出创面区域。根据使用特征压力性损伤图像分割技术可分为3类。

    1.1.1基于创面边缘的图像分割技术 利用图像中灰度、颜色、纹理等的不连续性检测边缘完成分割，根据边缘检测执行方式的不同可以分为串行边缘检测和并行边缘检测。串行边缘检测从初始边缘点开始按照某种相似性准则逐个检测后续边缘点。并行边缘检测利用边缘检测算子与图像进行卷积在各个像素位置同时检测边缘点，相比于串行方法，大大降低了时间复杂度，如活动轮廓模型(ACM)[5]。JIANG等[6]将ACM的方法应用到创面分割中，运用分段B样条曲线和minimax原理，根据图像中的局部条件，自适应调整创面轮廓，并使用手动轮廓来初始化ACM，对人工标记的创面边界进行修正。这些算子一般对噪声比较敏感，只适合于噪声较少的简单图像。由于利用边缘检测算子检测到的边缘往往是不连续的，不能作为分割结果，必须依赖后续处理将边缘合并、连接得到闭合边界实现图像分割。基于检测到的边缘建立最终的分割边界往往需要先验知识，能够获得的先验知识(边界形状、位置等)越多，分割结果越好，依赖人类的交互，才能获得比较好的分割结果，在临床上很难得到广泛应用。

    1.1.2基于相似度的图像分割技术 压力性损伤图像分割的大多数方法都基于相似度的分割技术。利用图像中像素及其空间邻域像素的信息，以区域平均灰度、纹理、颜色等特征的一致性作为分割准则，通过最大化区域内部的一致性将图像划分成不同区域 ......