皮肤镜毛孔检测方法在2940nm铒像素激光治疗毛孔粗大疗效观察中的应用

门月华 臧琳 吴雯婷 李薇薇 张春雷

1北京大学第三医院皮肤科100191；2北京沃东天骏信息技术有限公司101111

皮肤毛孔粗大通常指皮肤毛孔体积增大，外观表面积超过0.02 mm2［1］，皮肤毛孔表面多不平整，常有色度加深。激光共聚焦显微镜下可见毛孔局部表皮增生并延伸刺入真皮，真皮乳头层突入表皮，呈“钟乳石样”外观［2］。目前认为，皮脂腺分泌旺盛、毛孔周围组织结构弹性松弛和毛囊肥大是面部毛孔粗大的三大成因［3］。临床上用于改善面部毛孔粗大的方法很多，但目前国内外尚无客观、量化、可重复的毛孔评价标准。本研究建立基于皮肤镜的无创面部毛孔量化评估方法，以期解决此难题。

一、对象

选取2017年6-12月，以“面部毛孔粗大”为主诉至北京大学第三医院皮肤科就诊的30 例患者，男11 例，女19例，年龄（38.7±11.9）岁。入选标准：①皮脂腺分泌旺盛和/或毛孔周围组织结构弹性松弛所致面部毛孔粗大的患者；②试验前及试验期间均不使用其他改善毛孔粗大的药物或措施。排除标准：玫瑰痤疮、糖皮质激素性皮炎患者，妊娠和哺乳期妇女。所有受试者均签署知情同意书。

二、2940nm铒像素激光治疗

所有病例均接受治疗，采用飞顿辉煌激光光子工作站（以色列Alma Lasers 公司）2940nm 铒像素治疗手具，7×7治疗头，1 200 ～2 200 mJ/脉冲定点发射2 ～4 个脉冲，根据皮肤反应调节参数。以治疗区域出现灰白色气化点、皮肤发红、有轻度渗出为适宜能量及治疗脉冲数量。治疗过程中患者有可以耐受的痛感。每6 周治疗1 次，共3 次，治疗期间外用防晒乳膏和保湿乳膏。每次治疗后嘱患者48 h内保持创面干燥，避免使用美白产品，禁食光敏性食物及酒精类饮料，禁止手撕剥脱恢复期痂皮。全程记录不良反应，包括疼痛、色素沉着及瘢痕等的出现和消退时间、严重程度及其与治疗的关系，采取的措施和转归情况。

三、疗效评估

分别在治疗前及最后一次治疗后的第6周采集患者面部图像，进行标准照片评估和皮肤镜毛孔量化评估。

（一）标准照片评估：参考国内学者提出的面部毛孔标准照片评估法［4］。在相同的光源与背景下，采用单反相机微距镜头，以鼻尖为焦点拍摄面部标准微距照片。照片评分标准：1 级为极少可见毛孔；2 级为轻微可见毛孔；3 级为清晰可见毛孔；4级为明显可见毛孔或内含小于毛孔大小的角栓；5级为非常明显可见毛孔或内含与毛孔大小一致的角栓；6级为明显扩大的毛孔或内含突出毛孔的角栓，呈草莓样。由不参与治疗的两位皮肤科医生分别对每张照片评分，评分不一致时讨论决定。

（二）无创面部毛孔量化评估：使用MoleMax HD皮肤镜图像分析系统（奥地利Derma Medical System 公司）采集鼻尖图像。所采图像放大20倍，经处理后对识别出的毛孔进行颜色及面积的量化评估。

1.图像预处理：①图像平滑：采用高斯滤波算法［5-6］对原始图像做平滑处理，以减少图像噪声（图1A、1B）；②灰度变换：将原图像由红蓝绿三色（Red-Green-Blue，RGB）空间转换到灰度空间，以便毛孔轮廓边缘识别（图1C）；③色彩增强：利用直方图标准化算法［7］对灰度图进行直方图变换，提高图像对比度，增加识别精度（图1D）；④灰度图二值化：由专业医师根据不同患者的皮肤状况确定识别阈值，所有低于阈值的像素置为0，高于阈值的像素置为255，以保证识别出最具代表性的毛孔。确定阈值后，在治疗前后的评价中统一使用（图1E）；⑤轮廓提取：在二值图像上，利用拓扑结构分析图像边缘［8］。为避免皮肤镜采集样本时光源分布不均，仅对采集到的皮肤图样中间区域（以原图中心为中心，长宽各为原图1/2的矩形区域）采样处理（图1F）。皮肤镜采集图像中一般只含有毛孔、皮肤以及毛发3类结构，采用轮廓面积的大小即可筛选出毛孔轮廓，见图1G。

图1 毛孔识别图像处理过程 1A：原始图像；1B：高斯滤波后的图像；1C：灰度变换图像；1D：直方图拉伸后的图像；1E：二值化图像；1F：轮廓图像；1G：毛孔识别图像；1H：毛孔最小方形包围；1I、1J：治疗前后毛孔面积量化与色差量化指标显示；1K：计算机处理区域毛孔识别率为75%，紫色加粗标记为计算机检出毛孔，红色标记为计算机漏检、医师标记出的毛孔

2.毛孔面积量化：用所有识别出的毛孔面积的平均值作为量化指标，毛孔的平均面积=所有毛孔总面积/毛孔个数。

3.毛孔色差量化：毛孔色差量化指标，计算毛孔内部颜色均值与其上、下、左、右4 个方向一定范围内颜色均值的差值，然后将差值平均，作为色差指标，其具体过程如下：①根据识别出的毛孔边缘，计算出其最小包围的方形轮廓（图1H）；②计算方形轮廓中RGB颜色的均值，分别记为R、G、B；③在紧邻此方形轮廓的上下左右4 个方向，分别选取一个同等大小方形轮廓，计算轮廓中RGB 颜色均值，记为R′、G′、B′（′代表上下左右四个方向）；④分别计算目标毛孔区域与其周围相应区域的色差均值距离（欧氏距离，Dist）［9］：

⑤计算最终色差指标：

⑥最终，图像上会显示毛孔区域以及其相应的面积及颜色量化指标（图1I、1J）。

4.评价：两名具有5年以上皮肤镜使用经验的皮肤科医师标定毛孔检测系统中计算机采样处理区域的毛孔，分析30例患者治疗前后共60张皮肤镜图片，紫色加粗标记为计算机检出毛孔，红色标记为计算机漏检、医师标记出的毛孔（图1K），计算每张图片的计算机采样处理识别率（%）。

四、患者满意度自评

疗程结束后，由患者对毛孔粗大改善情况进行4 级满意度主观评价：非常满意、满意、一般、不满意。满意率=（非常满意+满意）/总例数×100%

五、安全性评价

记录试验期间出现的不良反应，包括红斑、渗出及瘢痕情况。

六、统计学方法

采用SPSS17.0软件，计量资料数据以±s表示，以自身治疗前后对照进行配对样本t检验；标准照片评估结果为等级资料，采用两配对样本的非参数检验（Wilcoxon符号秩检验）。以P＜0.05为差异有统计学意义。

七、结果

（一）标准照片评估：疗程结束后，30例患者中面部毛孔评级较治疗前降低3 级者1 例（3.3%），降低2 级者7 例（23.3%），降低1级者21例（70%），无变化者1例（3.3%），治疗前后评级差异有统计学意义（Z=-4.94，P＜0.01）。

（二）面部毛孔量化评估：治疗结束后，患者鼻尖部毛孔皮肤镜下量化评估，面积量化值、色差量化值较治疗前均降低，差异均有统计学差异（P＜0.05）。见表1。

（三）毛孔检出率：计算机处理区域毛孔检出率（70.59±3）%，中位数为70%。

（四）患者满意度评价结果：疗程结束后，非常满意8例、满意12例、一般10例，满意率为66.7%。

表1 毛孔粗大患者30例2940nm铒像素激光治疗后鼻尖部毛孔皮肤镜下量化指标比较（±s）

表1 毛孔粗大患者30例2940nm铒像素激光治疗后鼻尖部毛孔皮肤镜下量化指标比较（±s）

观察时间治疗前治疗后t值P值面积量化值831.45±88.92 712.95±87.45 5.70＜0.001色差量化值28.92±9.91 23.82±9.43 2.06 0.048

（五）不良反应事件：30例患者都在每次治疗后出现持续数小时的短暂红斑水肿反应，均在48 h内消退。30例患者均有轻微的结痂，于5 ～10 d 内脱落，无色素沉着或减退。整个试验过程中没有观察到严重的水疱、持久性红斑或者色素异常等不良反应。

八、讨论

目前国内外对面部毛孔的大小、密度及颜色的评价未见被广泛认可的评估标准。既往评价方法只关注面部毛孔的大小，对于毛孔颜色及与周围皮肤的色差，受限于技术条件，均未予以重视。我们在临床实践中发现，利用皮肤镜观测毛孔可以更精确地判断毛孔大小及色差，由此受启发建立一种无创面部毛孔量化评估方法，从毛孔面积与色差两个方面建立评估标准。

2940nm铒像素激光治疗毛孔粗大疗效较确切［10-11］，是目前治疗毛孔粗大较为常用的方法。本研究采用标准照片评估2940nm 铒像素激光治疗前后患者面部毛孔评级，差异有统计学意义，满意率为66.7%，与既往文献报道一致。同时，采用皮肤镜面部毛孔量化评估比较患者鼻尖部毛孔治疗前后指标，治疗后的毛孔面积量化值、色差量化值较治疗前均降低。可以明确检测出治疗后面部毛孔大小和色差明显改善，与专业人士评估大体照片结果及以往文献报道一致［10-11］。且本方法可提供量化数据，使得对面部毛孔的评价更为客观精确。

量化评估面部毛孔的重点和难点在于毛孔边缘的识别。本研究利用图像技术对皮肤镜图片进行预处理，并基于边缘检测及物体识别的方法，通过专业人员调整并确定判别阈值，从而锁定目标毛孔。通过计算图像面积差值、色彩空间距离，建立面部毛孔面积与色差的量化评价体系，其无创、简便、客观的优点显而易见。

本方法的不足之处在于，仍存在部分漏检毛孔，尚不够全面精确，另外量化评估过程中需要专业人员调节毛孔标记的阈值，尚掺杂一些主观因素。但随着各种图像处理技术，可以预期本方法对于面部毛孔的识别将会越来越精准。也应当看到，当前人工智能、大数据、深度学习等新技术蓬勃发展，未来可能开发出新的机器学习算法，从大量医疗数据中提取毛孔特征，通过神经网络训练以获得可信度高的识别模型，进而消除毛孔识别中的人为因素。我们在此方面也进行了初步探索并申请相关专利［12］，但由于资源与样本量的限制，目前还不够成熟。