Σχεδιασμός και υλοποίηση συστήματος επεξεργασίας εικόνας καθώς και μαθηματικών αλγορίθμων βελτιστοποίησης της μεταμόσχευσης ανθρωπίνων τριχοθυλακίων με την τεχνική FUE

Abstract

Follicular Unit Extraction (FUE) is a relatively new hair restoration technique in harvesting hair follicles from the donor area. Patient demand and recognition of this harvesting technique have increased significantly over recent years. The primary reason for FUE’s popularity is the minimally invasive nature of the technique and quick healing of the donor region. FUE also does not result in a donor linear scar normally associated with the strip method. However, the hair physician today often finds it difficult to quantify the hair loss problem of his patient. Technical difficulties associated with the measurement of important characteristics like hair and follicular units density as well as the exact surface size of the recipient area because of the irregular shape and the curvature factor make the problem more complex. In addition, the presence of native hairs within the treated area needs the calculation of hair quantity, in order to estimate the necessary number of hairs/grafts for an optimal aesthetic result. Furthermore, postoperative follow ups are mainly based on a comparison of the before and after patient picture over a period of time. This study involves the application of mathematics and general physics concepts, theories and methods to optimize the FUE technique. It is our earnest desire to explain how the principles of medical physics and methods of mathematical modeling can be applied to reduce the follicular transection rate as well as donor-scalp injury caused by FUE donor harvesting Τo that purpose, a novel integrated system named FOLLYSIS was specifically designed so that includes a fully organized relational database and an image analysis system with statistical inference for FUE hair transplant procedures. Similarly, this system allows for the best and most effective use of the FUE technique by allowing the physician: -To archive patient data.-To use digital trichoscopy.-To design the individual patient treatment planning. -To constantly monitor each patient follow up.-To quantify the patient outcome. FOLLYSIS Design FOLLYSIS design includes the following: Database module: A patient based tree-like database structure was developed with three top-down levels. The top level contains detailed information regarding patient demographics and scalp condition. The next level corresponds to the hair transplant procedure performed on each patient and Information about surgical procedure is recorded. The final level concerns follow-up examinations post-operatively. Image Analysis Module: Contrast enhancement filters were applied to increase the separability of hair follicles compared to the background. Segmentation algorithms were utilized to correctly separate the follicular units from the skin. Using the Delaunay triangulation algorithm, the detected units were connected in order to successfully measure and the mean intra-follicular distance. Furthermore, an automatic hair assignment algorithm was implemented. In this way, parameters such as, a) density of donor and recipient area (follicular units and hairs per square centimeter), b) mean number of hairs per follicular unit, c) the intra-follicular distance, were measured. Additionally, an advanced method for automatic calculation of the recipient area surface from macro-photographs was included taking into consideration the curvature of the area. Specific mathematic formulas were embodied into the system which automatically calculates the number of grafts or hair follicles that should be placed within the recipient area in order to increase the density up to a given level. Statistical Inference Module: The system includes statistical procedures to perform comparisons between the donor and the recipient area calculated parameters. In this way, intra-patient correlations between the image analysis results are extracted to characterize the transplant outcome in a quantitative way.ResultsThe accuracy of the algorithm, was evaluated in 56 micro-photos (Bodelin ProScope HR2 at 640x480 pixels) taken from different patients. The sensitivity of the algorithm in correctly detecting follicular units position was 97.5% (mean) with 3.8 standard deviation. The precision of the algorithm had a mean of 98.6% with 3.1 standard deviation. Pre-operatively, the system helps the physician to precisely calculate both the surface and the grafts needed for an optimal coverage of the recipient area without wasting the donor area. Post-operatively, the hair surgeon is capable of monitoring the procedure outcome by using graphs presenting the increase in density in a time line way. Moreover, the implementation of FOLLYSIS in evaluating the efficacy of a method that reduces the injury to donor area caused by the punch was examined in 35 patients. The use of FOLLYSIS proved to be invaluable in precisely calculating the decrease in skin trauma in Vertical Extraction compare to that in Acute Extraction.ConclusionThe quantification of parameters, which up until now were calculated manually or empirically, are established automatically. By utilizing image processing of micro-photographs of the recipient area, in conjunction with the aforementioned methodology, an invaluable tool can be offered which provides immediate patient data, quantifies the patient outcome and allows the physician to precisely design a hair transplant treatment planning for an optimal aesthetic result. FOLLYSIS seems to be a promising tool for both diagnosis and follow up treatment, by automatically measuring changes in hair density, hair diameter and hair quantity. Ultimately FOLLYSIS enables the physician to correctly evaluate the efficiency of the technique which minimizes the injury to the donor area, allows for an easier and more effective harvesting process and results in FUE optimization.

Εισαγωγή. Το Follicular Unit Extraction (FUE) είναι μια σχετικά νέα τεχνική αποκατάστασης προβλημάτων τριχωτού με την εξαγωγή τριχοθυλακίων από τη δότρια περιοχή. Η ζήτηση και αναγνώριση αυτής της τεχνικής από τους ασθενείς έχουν αυξηθεί σημαντικά τα τελευταία χρόνια. Ο κυριότερος λόγος για τη δημοτικότητα του FUE είναι η ελάχιστα επεμβατική του φύση και η γρήγορη επούλωση της δότριας περιοχής. Η τεχνική FUE επίσης δεν προκαλεί εμφανή ουλή όπως συμβαίνει με τη μέθοδο strip. Ωστόσο, ο γιατρός που ασχολείται με τη διάγνωση και θεραπεία της τριχόπτωσης σήμερα συναντά δυσκολίες στην ποσοτικοποίηση του προβλήματος της τριχόπτωσης του ασθενούς. Τέτοιες τεχνικές δυσκολίες συνδέονται με τη αδυναμία μέτρησης σημαντικών χαρακτηριστικών των μαλλιών, όπως η πυκνότητα ή το ακριβές μέγεθος της επιφάνειας της λήπτριας περιοχής, λόγω του ακανόνιστου σχήματός της. Επιπλέον, η παρουσία τριχών εντός της πάσχουσας περιοχής περιπλέκει ακόμα περισσότερο το πρόβλημα, καθιστώντας επιτακτική την ανάγκη για ακριβέστερη επίλυση του προβλήματος. Τέλος, τα μετεγχειρητικά follow ups βασίζονται κυρίως σε μια ποιοτική εκτίμηση του αποτελέσματος που προκύπτει από τη σύγκριση της πριν και μετά εικόνας του ασθενούς . Αυτή η μελέτη περιλαμβάνει επιπλέον την εφαρμογή κατάλληλης μαθηματικής μεθοδολογίας και των αρχών της Φυσικής, ώστε να μοντελοποιηθούν και να ερμηνευτούν ορθότερα τα στάδια της τεχνικής FUE. Η φιλοδοξία μας είναι να εξηγήσουμε πώς μπορούν να εφαρμοστούν οι αρχές της Ιατρικής Φυσικής και των μεθόδων της μαθηματικής μοντελοποίησης για τη μείωση του transection rate, καθώς και του τραυματισμού της δότριας περιοχής που προκαλείται από την εξαγωγή.Επιπλέον, σχεδιάστηκε ένα νέο ολοκληρωμένο σύστημα, που ονομάζεται FOLLYSIS© και το οποίο περιλαμβάνει μία πλήρως οργανωμένη σχεσιακή βάση δεδομένων και ένα σύστημα ανάλυσης εικόνας με στατιστική επεξεργασία για τις μεταμοσχεύσεις με τη χρήση της FUE τεχνικής. Ομοίως, το σύστημα αυτό παρέχει τη δυνατότητα για καλύτερη και πιο αποτελεσματική χρήση της τεχνικής FUE, επιτρέποντας στον ιατρό:-Να αρχειοθετεί δεδομένα των ασθενών.-Να χρησιμοποιεί ψηφιακή τριχοσκόπηση.-Να σχεδιάζει το εξατομικευμένο treatment planning του ασθενούς.-Να καταγράφει κάθε follow up.-Να ποσοτικοποιεί το αποτέλεσμα του κάθε ασθενούς.Σχεδιασμός του FOLLYSIS©Ο σχεδιασμός του FOLLYSIS© βασίζεται στα πάρα κάτω: Database: Αναπτύχτηκε μια σχεσιακή βάση δεδομένων, που περιλαμβάνει τρία κύρια επίπεδα. Το πρώτο επίπεδο περιέχει λεπτομερείς πληροφορίες σχετικά με τα δημογραφικά στοιχεία του ασθενούς καθώς και την κατάσταση του τριχωτού. Το επόμενο επίπεδο αντιστοιχεί στη διαδικασία μεταμόσχευσης μαλλιών που πραγματοποιείται σε κάθε ασθενή καθώς και πληροφορίες σχετικά με τη χειρουργική επέμβαση. Το τελικό επίπεδο περιλαμβάνει follow ups, τα οποία πραγματοποιούνται μετεγχειρητικά.Ανάλυση Εικόνας: Φίλτρα ενίσχυσης της αντίθεσης εφαρμόστηκαν για να αυξήσουν την ικανότητα αναγνώρισης των τριχών από το background της επιδερμίδας. Αλγόριθμοι τμηματοποίησης χρησιμοποιήθηκαν για να διαχωριστούν με ακρίβεια τα τριχοθυλάκια από το δέρμα. Τα ανιχνευμένα τριχοθυλάκια συνδέθηκαν με τη χρήση του αλγορίθμου τριγωνοποίησης Delaunay ώστε να υπολογιστεί η μέση απόσταση μεταξύ τους. Αναπτύχθηκε ένας αλγόριθμος για τον αυτόματο προσδιορισμό των τριχών. Έτσι κατέστη δυνατόν να μετρηθούν με ακρίβεια παράμετροι όπως: α) η πυκνότητα της δότριας και της λήπτριας περιοχής (τριχοθυλάκια και τρίχες ανά τετραγωνικό εκατοστό), β) ο μέσος αριθμός τριχών ανά τριχοθυλάκιο, γ) η μέση απόσταση των τριχοθυλακίων. Επιπλέον, έχει συμπεριληφθεί μια προηγμένη μέθοδος για τον αυτόματο υπολογισμό της επιφάνειας της λήπτριας περιοχής με τη χρήση φωτογραφιών, λαμβάνοντας υπόψη την καμπυλότητά της. Ειδικοί μαθηματικοί τύποι ενσωματώθηκαν στο σύστημα, το οποίο υπολογίζει αυτόματα τον αριθμό των μοσχευμάτων ή τριχοθυλακίων που θα πρέπει να τοποθετηθούν στην πάσχουσα περιοχή για να αυξηθεί η πυκνότητα στο επιθυμητό επίπεδο. Στατιστικά Στοιχεία: Με τη στατιστική επεξεργασία των μετρήσεων των ανωτέρω παραμέτρων της δότρια και λήπτριας ζώνης, το σύστημα προβαίνει σε ποσοτική σύγκριση του τριχωτού των δυο περιοχών. Η ποσοτικοποίηση σημαντικών παραμέτρων του τριχωτού και η αυτόματη στατιστική επεξεργασία τους μετά από επεξεργασία εικόνας διευκολύνει τον ιατρό να αξιολογήσει αντικειμενικότερα το τελικό αποτέλεσμα.ΑποτελέσματαΗ ακρίβεια του αλγορίθμου αξιολογήθηκε σε 56 μικρο-φωτογραφίες (Bodelin ProScope HR2 στο 640x480 pixels) που ελήφθησαν από διαφορετικούς ασθενείς. Η ευαισθησία του αλγορίθμου στην ακριβή ανίχνευση της θέσης των τριχοθυλακίων ήταν 97,5 % (μέσος όρος) με 3,8 τυπική απόκλιση. Η ακρίβεια του αλγορίθμου είχε μέση τιμή 98,6% με 3,1 τυπική απόκλιση. Προεγχειρητικά, το σύστημα βοηθά τον ιατρό να υπολογίσει με ακρίβεια τόσο την επιφάνεια όσο και τα μοσχεύματα που απαιτούνται για τη βέλτιστη κάλυψη της πάσχουσας περιοχής, αποφεύγοντας την κατασπατάληση της δότριας ζώνης ή τον τραυματισμό των προϋπαρχόντων τριχοθυλακίων στην λήπτρια περιοχή. Μετεγχειρητικά, ο χειρουργός έχει τη δυνατότητα να παρακολουθεί το αποτέλεσμα της επέμβασης χρησιμοποιώντας γραφικές παραστάσεις, απεικονίζοντας την αλλαγή της πυκνότητας σε συνάρτηση με το χρόνο.Η αποτελεσματικότητα μιας τροποποιημένης τεχνικής του FUE, ώστε να μειωθεί ο τραυματισμός της δότριας περιοχής κατά τη διαδικασία της εξαγωγής, αξιολογήθηκε σε 35 ασθενείς. Το FOLLYSIS© συνέβαλε καθοριστικά στον υπολογισμό εντυπωσιακής μείωσης του τραυματισμού του δέρματος με την τεχνική Vertical Extraction σε σχέση με την επικρατούσα Acute Extraction αποδεικνύοντας την υπεροχή της πρώτης έναντι της δεύτερης. ΣυμπεράσματαΗ ποσοτικοποίηση των παραμέτρων, οι οποίες μέχρι τώρα υπολογίζονταν εμπειρικά, πλέον πραγματοποιούνται αυτόματα. Η μέθοδος επεξεργασίας εικόνας των μικρο-φωτογραφιών της λήπτριας περιοχής, σε συνδυασμό με την προαναφερθείσα μεθοδολογία, απλοποιεί την τριχοσκόπηση ενώ παρέχει ένα ανεκτίμητο εργαλείο το οποίο ενημερώνει άμεσα τον ιατρό με χρήσιμες πληροφορίες για την κατάσταση του τριχωτού του ασθενούς. Έτσι, η ποσοτικοποίηση παραμέτρων που σχετίζονται με την τριχόπτωση καθιστά το σχεδιασμό ενός ολοκληρωμένου treatment planning απόλυτα εφικτό, επιτρέποντας την ορθολογικότερη χρήση της δότριας περιοχής για το καλύτερο αισθητικό αποτέλεσμα.To FOLLYSIS© είναι ένα πολλά υποσχόμενο εργαλείο για τη διάγνωση, θεραπεία και παρακολούθηση της πορείας του ασθενούς, παρέχοντας αυτοματοποιημένες μετρήσεις της αλλαγής στην πυκνότητα των μαλλιών, καταγράφοντας σημαντικά μεγέθη του τριχωτού της κεφαλής. Επιπλέον, η συμβολή του στην αξιολόγηση τεχνικών, που ελαχιστοποιούν τον τραυματισμό στη δότρια ζώνη και κάνουν αποτελεσματικότερη την εξαγωγή, συντελεί αποφασιστικά στη βελτιστοποίηση του FUE.