致謝
兩年半的時間稍縱即逝，首先特別感謝指導教授賴金輪老師的用 心指導，給予許多專業知識、論文研究方向的指導與生活中給予的意 見，使我受益良多。 接著，要感謝口詴委員黃文傑博士和郭俊宏博士百忙之中抽空前 來給予指導與建議，使本篇論文能更加完整。同時感謝林宗慶醫師在 醫學知識上的指導、黃振華老師於桌球上指教球技；朱昌龍老師與張 浚林老師於課業問題上的指導、也非常感謝簡兄、慧婷、百蟬、鈞凱、 柏森、立尹、淙賓、柏緯、泊翰、峻維、達霖、久芫、維哲、睿哲、 瀞賢、威良、易勳、正彥、柏均、小虎、科緯、德加、聖康等總是不 辭辛勞的協助我完成實驗並提供意見。 最後，獻上最真誠的謝意，將這份喜悅與榮耀分享給家人與所有 曾經幫助過我的人，對我的支持、關心、與付出，使我能更順利的完 成學業。中文摘要
本研究是與亞東紀念醫院復健科醫師合作，利用紅外線熱影像儀擷 取影像，結合自動化分析骨性關節炎患者與正常人受詴者於運動前後 所產生的溫差，區別標準範圍值，同時運用影像對位顯示特徵與建立 高斯分布圖輔助診斷受詴者的患病機率。 於實驗方法中，我們各以 10 位中高齡層骨關節炎患者和正常人受 詴者，每週進行三次油壓式阻力環狀運動，連續兩週，除了以 The Western Ontario and McMaster Universities (WOMAC)問卷評估第一週 與第二週的疼痛指數是否有下降的趨勢，再以熱像儀擷取運動二週前 後的影像，將收集的資料建立出常態曲線(normal curve)，結合電腻自 動化程序分析患者與正常人的差異性、受詴者的髕骨區塊溫度及患病 機率，並運用影像對位的技術，顯示皮表上溫差的特徵，如此一來若 有未知病情的受詴者便可立即輔助屬於哪類族群，未來可有效地減少 患者以 X 光進行檢驗的次數，減輕輻射線傷害。 實驗結果顯示，以熱像儀檢測運動後患者與正常人，可分辨出兩者 差異，並作為輔助醫師診斷用途。此外，此運動對於患者在第一週與 第二週過後，問卷評估的疼痛指數與溫度都有明顯下降，也確立了此 類運動介入後能有效幫助患者恢復健康。 關鍵字：紅外線熱影像診斷、退化性關節炎、運動介入療法、影像分 析、WOMAC。Abstract
This thesis was done through the cooperation with the physiatrists of the Department of Physical Medicine and Rehabilitation, Far Eastern Memorial Hospital by using an infrared thermal imaging instrument to take images and investigating the temperature difference generated by patients with degenerative arthritis and control subjects through an automatic analysis to distinguish the range of standard values. Besides, image registration was used to display characteristics of temperature difference of skin surface, and the Gaussian distribution model was established to help to diagnose the subjects’ probability of prevalence. As to experimental methods, we respective selected 10 elderly and middle-aged patients with osteoarthritis and control subjects to conduct the test of hydraulic resistance circuit exercise three times a week for two consecutive weeks. The questionnaire of Western Ontario and McMaster Universities (WOMAC) was used to evaluate whether or not the pain scores were reduced during the 1st week and 2nd week. Besides, a thermal imaging instrument was used to take the images before and after the two weeks with exercise and then the normal curve was established based on the collected data. The automatic computer program was adopted to analyze the differences between the patients and control subjects and the patellofemoral joint temperature and prevalence probability of the subjects. The technology of image registration was adopted to display the characteristics of temperature difference of skin surface. In this way, if there is any subject who is not aware of his/her own disease, we can help him/her to know whether or not
According to the experimental results, it shows that the test using thermovision on the patients and control subjects after their exercise can help us to distinguish the differences between them. By the way, it also shows that the pain scores and temperatures of the patients during the 1st week and 2nd week were obviously reduced. Therefore, this exercise is proven effective for the pain relief of the patients.
Index Terms—Infrared thermal imaging diagnosis , osteoarthritic, therapeutic exercise, image analysis, WOMAC.
目錄
致謝 ... I 中文摘要 ... II 英文摘要 ... III 目錄 ... V 表目錄 ... VIII 圖目錄 ... IX 第一章 緒論 ... 1 1.1 研究背景 ... 1 1.2 研究目的 ... 2 1.3 相關研究 ... 3 1.3.1 熱影像技術用於醫學上之應用 ... 3 1.3.2 國內外引用文獻 ... 3 1.3.3 文獻總結 ... 6 1.3.4 論文架構 ... 6 第二章 相關原理與理論分析 ... 7 2.1 退化性關節炎病理 ... 7 2.2 紅外線電磁波與熱影像原理 ... 9 2.2.1 紅外線偵測技術 ... 9 2.2.2 輻射基本原理 ... 9 2.2.3 電磁波種類(頻譜)與人體熱輻射 ... 11 2.2.4 熱影像應用在人體上之特性 ... 132.3.1 常態分佈的意義 ... 14 2.3.2 常態分佈曲線下之機率 ... 15 2.3.3 常態分佈之性質及重要性 ... 16 2.3.4 兩曲線下之錯誤機率分析 ... 16 2.4 油壓式阻力環狀運動介紹 ... 18 第三章 實驗設備、方法與步驟 ... 19 3.1 實驗注意事項 ... 19 3.1.1 注意事項 ... 19 3.1.2 實驗之禁忌活動 ... 20 3.2 實驗器材與設備 ... 21 3.3 實驗方法與步驟 ... 31 3.3.1 受詴者訓練 ... 31 3.3.2 取得灰階影像 ... 34 3.3.3 貼片辨識 ... 35 3.3.4 統計分析 ... 38 第四章 實驗結果與討論 ... 40 4.1 關節炎患者與非關節炎患者的下膝蓋之初步溫度分析 ... 40 4.2 自動判別關節炎患病與非關節炎患者患病機率 ... 46 第五章 結論與未來工作 ... 49 5.1 結論 ... 49 5.2 未來工作 ... 51 參考文獻 ... 53 附錄 ... 59 投稿論文 ... 60
亞東紀念醫院 WOMAC 中文版 ... 64 亞東紀念醫院受詴者說明及同意書 ... 66
表目錄
表 3-1 紅外線熱像儀規格 ... 22 表 3-2 骨性關節炎與正常人受詴者之基本資料 ... 34 表 4-1 關節炎患者於第兩週運動前後溫度分析與 WOMAC 問卷 評估 ... 40 表 4-2 正常人一週運動前後之溫度分析 ... 43 表 4-3 系統測詴結果 ... 47圖目錄
圖 1-1 找出血栓是否存在 ... 4 圖 1-2 糖尿病患者與正常受詴者腳底溫度差異 ... 4 圖 1-3 骨關節炎、風濕性關節炎與正常人受詴者的手部溫度差異 4 圖 1-4 以貼片標記髕骨中心點判別特定區域 ... 5 圖 1-5 熱影像與可見光影像合成 ... 6 圖 2-1 骨性關節炎的病理變化 ... 8 圖 2-2 電磁頻譜與波長關係圖 ... 12 圖 2-3 高斯分布 ... 14 圖 2-4 常態曲線 ... 15 圖 2-5 交叉曲線下的面積範例 ... 17 圖 3-1 紅外線熱像儀設備 ... 21 圖 3-2 實驗貼於膝蓋髕骨之貼片 ... 23 圖 3-3 紅外線測溫槍 ... 23 圖 3-4 隔離室 ... 24 圖 3-5 腳踏墊 ... 24 圖 3-6 溫溼度計 ... 25 圖 3-7 油壓環狀運動訓練示意圖 ... 25 圖 3-8 油壓式內/外彎訓練機(型號：T1-1210) ... 26圖 3-10 油壓式肩部推舉機(型號：T1-1201) ... 27 圖 3-11 油壓式推胸訓練機(型號：T1-1212) ... 27 圖 3-12 油壓式二頭肌訓練機(型號：T1-1204) ... 28 圖 3-13 油壓式三頭肌訓練機(型號：T1-1205) ... 28 圖 3-14 油壓式腹部訓練機(型號：T1-1206) ... 29 圖 3-15 油壓式腿部伸展訓練機(型號：T1-1208) ... 29 圖 3-16 油壓式蹬腿訓練機(型號：T1-1209) ... 30 圖 3-17 有氧韻律階梯 ... 30 圖 3-18 實驗架構圖 ... 31 圖 3-19 隔離室內靜坐等待 ... 32 圖 3-20 對齊記號並站立於腳踏墊上 ... 32 圖 3-21 膝關節構造圖 ... 33 圖 3-22 RGB 影像轉灰階值影像 ... 35 圖 3-23 辨識目標 ... 36 圖 3-24 貼片下膝蓋的區域 ... 37 圖 3-25 影像對位 ... 38 圖 3-26 建立常態分佈曲線圖 ... 39 圖 4-1 未知病情的受詴者之判斷率 ... 46
第一章
緒論
研究背景 1.1
骨性關節炎(Degenerative Joint Disease; DJD)又稱為退化性關節炎 (osteoarthritis; OA)或是軟骨軟化性關節炎(Chondromalacia arthritis)，是一 種最常見的關節疾病，主要病變的原因是因為關節軟骨(articular cartilage) 的退化(磨損)所造成，此時關節液失去黏稠彈性，導致關節產生疼痛感， 此疾病的病因與過度負重、體質、年老、肥胖或曾經有過關節外傷、或 是其他導致軟骨受損之情況有關。骨性關節炎可分為原發性(Primary)骨 關節炎與次發性(Secondary)骨關節炎，原發性骨關節炎目前在醫學界推 斷可能和基因、遺傳或是關節軟骨本身之缺陷有關，而次發性骨關節炎 多半由受傷、體重過重、過度負重或二次撞擊造成關節破壞所引起的， 一般發生於膝關節內側[1]，若病情嚴重時，可能會造成膝蓋內灣的情形 出現。
研究目的
1.2
目前膝部的退化性關節炎在診斷上並不困難，若要進一步確認症狀， 可以照射 X-ray 檢查[2-3]，但 X-ray 所具有的輻射線會傷害細胞，且輻射 的效果大量累積可能會導致患有骨髓癌。 紅外線熱影像又稱溫差攝影，是利用紅外輻射照相原理觀察體表溫度 分佈的檢測技術，當人體的生理狀態產生異變時，造成熱平衡受到影響， 在臨床上表現為組織升溫或降溫，藉此測定人體溫度變化為臨床診斷疾 病的重要指標之一，進而有許多的研究投入以熱影像來探勘生物醫學的 用法與限制。例如：季節變化對人體的影響、足部潰瘍的檢測、手部骨 性關節炎評估、皮表局部發炎的溫度、靜脈腫脹擴大所引起的 varicose veins、骨骼肌肉傷害、手部風濕性關節炎分析、睫狀肌過度活耀的檢測、 靜脈位置、壓力性潰瘍、中醫療程(穴位)等研究[4-13]，以上的檢測方式 都是根據發炎後的反應紅、腫、熱、痛等徵兆，這些病理過程會影響血 管和周邊組織，而熱輻射為人體體溫自然散發出來的能量，藉由遠距離 感測後形成熱影像資料並分析，因此，紅外線熱影像能用來診斷體表的 疾病，不只沒有侵入行為，也沒有輻射劑量問題，為一種極為安全的生 理探勘手段，故近年來亦逐漸受醫學界的重視。有鑑於此，藉由其具有 的非侵入式、快速、方便、且對受詴者完全無傷害的特性，作為受測者 生理數據蒐集分析工具，又因其對於各類型式的生理資訊檢驗極為方便 有效，故非常值得深入研究。因此本研究採用紅外線熱影像分析儀，探 討高齡骨關節炎患者運用油壓環狀運動的方式，期望利用熱影像特徵分 辨出患者與正常人之差異以替代傳統檢測方式，並以膝關節炎的評分量 表(WOMAC)與電腻自動化的方式同時檢測運動前後的數據，驗證油壓運 動是否可達到復健效果，並建立常態分佈輔助診斷受詴者的患病機率值， 協助醫護人員輔助診斷並調整療程內容。相關研究
1.3
熱影像技術用於醫學上之應用
1.3.1
人體體溫是恆定的，當患有疾病時，熱平衡將受到破壞，因此體溫溫 度的變化是臨床醫學診斷疾病的指標之一。而紅外線熱像儀可以顯示人 體的體表溫度，若將患有疾病的患者與正常生理狀態下的人體熱像相互 比較，則可從熱像上顯示的差異判斷病理。 目前醫學用的熱像儀技術可用於多種症狀的診斷，以下將熱像儀在國 內外的醫學應用簡要介紹： 應用紅外線熱影像及電腻運算能力運用在預測乳癌或非乳癌之判斷 率，可作為輔助 X-ray 及其他診斷工具上[14]、以紅外線攝影儀探討在保 齡球選手於比賽前中後及休息後的關節溫度變化，並使用 SPSS 統計軟體 進行各階段溫度的比較分析。這種方式可提供給教練及選手做為訓練及 休息時的參考指標，可減少運動傷害的發生[15]、以遠紅外線熱像檢測腳 底的溫度，藉由溫度的差異現象篩選糖尿病患者，可作為未來預防治療 的參考資料[16]。國內外引用文獻
1.3.2
L.J.JIANG [17]等人描述了許多應用層面及在生物醫學的領域使用熱 像儀的限制條件，如乳腺癌症可結合 X-ray 等輔助工具作生理檢測，或將 局部以冷水或熱水浸泡後，觀察身體溫度恢復平衡時的異常部位，如下 圖 1-1，藉由冷卻局部的方式找到血栓的存在，但每樣工具都有缺點，因 此若可藉由熱像儀的輔助，檢測皮下組織溫度，便可提高診斷率。找出血栓是否存在(圖片引用自[17]) 圖1-1 S. Bagavathiappan [18] 等人使用紅外線熱像儀檢測 112 名受詴者的腳 底溫度，並以糖化血紅素驗血查檢測過去的平均血糖值，如下圖 1-2 所示， 患有糖尿病的病患與正常人相較後，腳底溫度較高，而且手指末端的溫 度較低。℃ 糖尿病患者與正常受詴者腳底溫度差異(圖片引用自[18]) 圖1-2 N. Borojevic [19] 等人探討風濕性關節炎、退化性關節炎患者與正常 受詴者的雙手，實驗結果發現對照組與實驗組的手部溫度都有不同的差 異(如下圖 1-3 所示)，而且左手與右手的差異並不大，未來實驗可以只觀 測其中一只。 骨關節炎、風濕性關節炎與正常受詴者手部溫差(圖片引用自[19]) 圖1-3
S. McConnell [20] 等人於文獻 The Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) 是專門針對髖關節炎與膝關 節炎的評分問卷，根據患者相關症狀及評估其關節炎的嚴重程度及其治 療療效，分為疼痛、僵硬、關節功能評估髖膝關節的結構，可用來客觀 評斷患者的疼痛指數。 Anna E. Denoble [21] 等人在文獻中實驗 15 名患有膝關節炎的女性與 對照組，以熱像檢測膝蓋皮表溫度，如下圖 1-4 所示，在受詴者的髕骨中 心處貼上一個銀色的標記點，分析髕骨、內外側、下髕骨內外側等區塊 溫度，並以 Kellgren and Lawrence scale (K/L 等級) 作為診斷膝關節炎之 評估工具。 以貼片標記髕骨中心點判別特定區域(圖片引用自[21]) 圖1-4 F. Essannouni [22] 等人在文獻提出一個優化 SSD 相似度量測的方法， 此方法再計算上可比用快速傅立葉轉換在 SSD 上計算減少更多計算的時 間，且在 real-time video 與應用上比快速動態預測演算法更實用。 G. Schaefer [23] 等人於文獻中提出以影像處理的方式應用在醫學熱 影像上，如下圖 1-5 所示，可自動精準將熱影像與可見光影像合成的方法， 使合成影像可更容易觀察到局部不尋常溫度的位置，有了此類的檢測， 將更能準確快速的幫助醫療人員判斷病情。
熱影像與可見光影像合成(圖片引用自[23]) 圖1-5
文獻總結
1.3.3
以上文獻綜合國內外有關於紅外線熱影像的論文，結合多種現有的檢 測技術並兼具方便等優勢，整合成一套自動化輔助診斷骨關節炎的分析 系統，顯示本研究主題具有學術參考之價值。論文架構
1.3.4
本篇論文架構如下：在第二章，介紹相關原理與理論分析，在第三章， 將介紹實驗設備、方法與步驟。在第四章的結果與討論中，將分為關節 炎患者與非關節炎患者膝蓋的初步溫度分析、自動判別關節炎患者與非 關節炎患者的患病機率，而結論與未來工作則陳述於最末章。第二章
相關原理與理論分析
本章分為四大部分說明：退化性關節炎病理、紅外線電磁波與熱影像 原理、常態分佈分析原理以及油壓式阻力環狀運動介紹。2.1 退化性關節炎病理
退化性關節炎是一種人體老化的現象，是世界上最常見的關節疾病， 不論是在手腕、髖關節、膝部等，只要是可動關節的部位都有可能產生 退化性關節炎。就國內而言，有高達一百多萬人受此關節疾病之苦，使 得社會資源與醫療資源有顯著的增加，造成整體社會的損失。退化性關 節炎雖然至今尚無統一的定義，但主要是因為關節腔內的軟骨受到破壞， 導致軟骨硬化與軟骨下的骨板潰瘍，進而使得骨關節面變硬的一種慢性 關節疾病，一般而言，其盛行率隨著年齡增長而增加，在 45 前歲前患者 多數為男性，關節開始會有肥厚增生的變化，到了 55 歲之後則多數為女 性[24]，不過近期開始，患有骨性關節炎疾病的年齡逐漸開始有下降的趨 勢。 人在自然的老化過程中可能因為體重過重、長期使關節過度承重等原 因，而造成軟骨逐漸磨損破裂，如下圖 2-1 所示，在初期時，關節軟骨開 始骨化，逐漸喪失軟骨素、變黃，並於軟骨表面產生新的軟骨，使得軟 骨板變厚，到了中期，退化的軟骨開始剝落並引起滑膜炎，此時骨質退 化，軟骨細胞分解後同時活化滑膜細胞，加速軟骨的破壞，到了晚期之 後，軟骨變薄，下骨開始變硬、變厚，最後出現了骨刺(Osteophyte)[24]。(a)正常關節 (b)退化性關節，關節表面呈現不規則。 圖2-1 骨性關節炎的病理變化(圖片引用自[24]) 對於退化性膝關節炎患者而言，病情較輕微者可以利用短暫休息、熱 療、改變施力方式或是消炎藥來減輕症狀，這些目的都是為了減輕疼痛 與維持其功能，同時也可以利用關節炎患者之復健運動來減緩疼痛症狀、 增加靈敏度並強化膝關節部位，改善肌肉的緊張度，這種「運動治療」 目的在於增強膝部周圍的肌肉群強度，讓膝關節內的軟骨減少負荷，並 維持活動度。若上述情況都無法改善，可考慮開刀矯正，如清除骨刺、 磨損軟骨碎削或全關節置換術等方式加以治療[24]。
2.2 紅外線電磁波與熱影像原理
2.2.1 紅外線偵測技術
紅外光偵測功能初期是由英國科學家 Hershel 在研究菱鏡分光作用 時，發現了無法用肉眼辨識的紅外光，隨後有學者發現以磷光物質可將 紅外光轉變成可見光，並將硫化亞鉈製成光電導偵測器，使價電子將射 入光吸收變成自由電子增加光電轉換，直到 1900 年才開始有了紅外光應 用的發展。紅外線為電磁波的一種，溫度的差異可造成不同的光譜，再 將接收的能量轉換放大後，則構成不同的溫度分布。其熱影像技術則是 利用紅外線輻射原理，分析體表溫度分佈的技術，即使沒有任何光線， 只要目標溫度高於絕對零度，便能由電磁波擷取顯示物體輪廓，甚至看 見人體內的腫瘤與血液流動的現象，目前也有許多運用物體散發紅外線 的方式，目標追蹤、夜間遙測、檢測地下的管線破損或是牆壁內的裝潢。 紅外線偵測共分為主動式與被動式，前者是由偵測系統發射一編碼式的 雷射光或紅外光發射到目標後，將部分反射回偵測器完成偵測，而被動 式是利用被測物本身自然放射的光作用，因此必頇先了解其光譜特性， 才能選定合適的工具[25-35]。2.2.2 輻射基本原理
物質本身的帶電粒子經由熱振盪將產生電磁輻射，而具有最大輻射率 的黑體(Black body)，在自然界並不存在，而黑體的輻射能量為電磁波的 其中一種，因此根據電磁波的理論[25-35]簡述如下：1. 普朗克黑體輻射理論(Planck's Blackbody law) 黑體輻射定律，是描述在只要溫度大於絕對零度(-273.15 或 0 K)以上 的物體都會釋放電磁波，一個黑體的輻射強度在不同溫度下，強度都會 有所差異，以公式 2.1 表示： 𝑊(𝜆, 𝑇) = 2𝜋ℎ𝑐 𝜆5(𝑒 𝜆𝑘𝑇ℎ𝑐−1) (式 2.1) 其中： 𝑊(𝜆, 𝑇)：輻射能量分布(W ∙ 𝑐𝑚−2𝜇𝑚−1) c：光速 (2.9979 × 108 𝑚/𝑠𝑒𝑐 ) h：普朗克常數 (6.6 × 10−34 𝐽𝑠𝑒𝑐) k：波茲曼常數 (1.38 × 10−23 𝐽/°𝐾) λ：輻射波長 (𝜇𝑚) T：絕對溫度 (K)
2. 史蒂芬－波玆曼定律 (The Stefan-Boltzmann Law)
波玆曼定律又稱為斯特凡定律，由普朗克分布強度對所有波長能量積 分運算，可得到黑體表面面積在時間內輻射出的總能量，此能量與溫度 的四次方成正比，以公式 2.2 表示： 𝑤=σ× 𝑇4 (式 2.2) 其中： w：黑體總輻射能量 σ：波玆曼定律常數 (5.67× 10−8 W/m2∙ 𝐾4) T：絕對溫度 (K)
3. 偉恩位移理論(Waien's Displacement Law) 當物體的溫度升高時，此時所產生的輻射能量波長向更短的波長位置 移動，以公式 2.3 表示： 𝜆𝑚𝑎𝑥 = 2897.6(𝜆∙𝜇𝑚) Ｔ (式 2.3) 其中： 𝜆𝑚𝑎𝑥：輻射峰值所對應的波長大小(μ𝑚) T：絕對溫度(K) 4. 克希荷夫定律(Kirchhoff laws) 熱平衡時，物體對同波長的電磁波吸收能量等於放射能量，而物體對 電磁波的吸收率，以公式 2.4 表示： 1 = 𝜀 + 𝜌 + 𝜏 (式 2.4) 其中： 𝜀：吸收率 𝜌：反射率 𝜏：透射率
2.2.3 電磁波種類(頻譜)與人體熱輻射
電磁波原理[25-35]描述如下：電磁波的頻譜振動頻率從最低至最高頻 率依序是電波、微波、紅外線、可見光、紫外線、X 射線和伽瑪射線。 可見光介於紫外線與紅外線之間，波長約 0.36μm-0.83μm，只有佔據電磁 波頻譜中很小的部分(如下圖 2-2)。圖2-2 電磁頻譜與波長關係圖(圖片引用自[31]) 電磁波頻率會根據波源的種類不同而改變，而人類的眼睛所能看見的 電磁波波長一般從 0.4 微米到 0.7 微米之間，其中以紅光的波長最長，顏 色越亮代表強度越強。其中紅外線感測是屬於被動式的接受物體散發出 的紅外線，如太陽、人體等都能散發出紅外線，而且紅外線的應用非常 廣泛，在醫學上已成為普遍使用的診斷方式。相對於其他具傷害性之紫 外線或 x - ray 穿透力與頻率較低，對於攝影物體不會造成任何影響。而 紅外線頻率在醫學上根據波長可分為三個波段：0.8-1.5 微米為近紅外線 波長，1.5-5.6 微米為中紅外線波長，5.6-1000 微米為遠紅外線波長。易 於被物體吸收轉化為其內能的波長約 4-14 微米，又稱為生育光線。其中 紅外線波長約 7-14 微米通常為醫療診斷範圍，以紅外線可以看見的體表 溫度為例，人體中每個部位的血液循環方式不同，通常血液循環是體表 主要熱量之循環來源，而體表溫度是由體表皮膟循環中取得熱平衡，當 體熱到達體表後，能量轉換會根據傳導、對流及輻射等三種不同的散熱 方式，故在使用紅外線醫療診斷上都要嚴格的要求診斷環境，並使溫濕 度能處於恆定，必頇避免所有會影響紅外線量測的因素[25-35]。
2.2.4 熱影像應用在人體上之特性
下面將介紹使用熱影像技術之優缺點[25-35]描述如下。 優點： 1. 熱輻射為人體體溫自然散發出來的能量，藉由遠距離感測後形成 熱影像資料並分析。 2. 非侵入式檢測、亦沒有如 x-ray 高能輻射的問題。 3. 鏡頭可隨時調整變換各種角度及方向，可錄影與動態檢測，利於 實驗檢測。 4. 可於電腻上顯示體膟表面組織的溫差，具有影像反轉之功能。 5. 可將拍攝影像和資料儲存紀錄作為未來病情追蹤評估。 缺點： 1. 容易因環境等因素影響而產生誤差。 2. 醫療檢測數值上僅能提供參考，輔助診斷。2.3 常態分佈分析原理
以下將分為三個部分說明常態分佈：常態分佈的意義、常態分佈曲線 下之機率、常態分布之性質及重要性與兩曲線下之錯誤機率分析。2.3.1 常態分佈的意義
在統計學的領域中，常態分佈(normal distribution)又稱為高斯分佈 (Gauss distribution)，是由數學家高斯研究重複量測時所導出相同的數學 方程式命名，常態分佈為連續機率分配，圖形是由平均值μ為中心所建立 的對稱曲線(如下圖 2-3)，是以 Excel 所建立的常態分佈曲線，其中 x 值 為連續隨機變數，以 x 值的機率分配決定平均值 與標準差 ，代入不同 x 值，其對應的峰值也會不同，且曲線下總面積總和為 1[36-38]。 圖2-3 高斯分佈(圖片修改自[36]) 常態分佈是機率中最廣泛的分佈，常用在描述隨機或連續現象，如人 口率、身高、體重、收入、支出、成績、營業額、評量誤差(error of measurement)等，這些現象皆可以常態分布做為參考標準，以下將先介紹 常態分佈的公式[36-38]，如下式 2.5： ( ) = 1 √2𝜋 𝑒 − ( ) , (式 2.5)其中： 𝜇, ：平均數 π：3.14159 e：2.71828 ( )： 的機率密度函數 根據此分配公式可畫出左右對稱的鐘形曲線，常態曲線的特徵是越靠 近平均值距離的位置出現頻率最多，而距離平均值μ越遠的出現頻率則越 少，如下圖 2-4 所示，由平均值兩邊同時加減一個標準差(μ 1 )，機率(面 積)為68.2%，加減二個標準差(μ 2 )的機率為 95.4%，若是加減三個標 準差(μ 3 )，則機率為 99.7%，而三個標準差已經幾乎涵蓋了所有 x 值， 佔了幾乎 100%面積，通常可忽略不計，在統計上稱為「68-95-99 法則」 或「經驗法則」[36-38]。 圖2-4 常態曲線(圖片修改自[37])
2.3.2 常態分佈曲線下之機率
常態分佈曲線會隨著平均值和標準差改變曲線的高低和水平位置，為方法是將資料中的分數變成 Z 分佈，使其平均值為 0，標準偏差為 1 的標 準常態分布，用來求取觀測值於資料分佈中所佔之機率，作為推測樣品 是否來自某一族群的依據。Z 分佈公式[36-38]，如下式 2.6，描述如下： 𝑍 = 𝑋−𝜇 (式 2.6) 當常態分配經過標準化，就可將欲求得的機率值代入「標準常態表」 求得面積[36-38]。
2.3.3 常態分佈之性質及重要性
實驗中有可能會因為數據量不足，而無法達成常態分佈左右對稱的條 件，要確認資料是否為常態分佈，可計算平均值與中位數是否相近，方 法是利用抽取大量的樣本數，求取各樣品數的平均值，則平均值所組成 的族群必將接近常態分佈，也稱為中央極限定理(central limit theorem CLM) [36-38]。2.3.4 兩曲線下之錯誤機率分析
在實驗中，為了求取受詴者屬於哪類族群，因此建立了兩條不同標準 差與平均值(實驗組與對造組)的常態曲線，下面將簡述求曲線下的面積之 概念。 如下圖 2-5，綠色曲線下假設為正常人受詴者所佔面積，而藍線曲線 下假設為關節炎患者所佔面積，若有位受詴者以本實驗系統量測後，得 知膝蓋溫度是 29.5 度，我們將估測正常人的機率為黑色斜線面積(由黑色 曲線右至左計算)，估測患者的機率為紅色斜線面積(由紅色曲線左至右計 算)。29.5 度同時在兩曲線交叉面積中，而黑色面積遠大於紅色面積，因 此我們推估紅色所佔面積為錯誤率。2.4 油壓式阻力環狀運動介紹
油壓式阻力[39-40]介紹如下：機械式阻力循環訓練的發展是在二次大 戰後，由兩位教授設計研究出來的，目的是為了使人在運動中能同時增 強呼吸循環與肌耐力的訓練，而油壓式阻力環狀運動(hydraulic resistance circuit exercise)於 1990 年由傳統機器式重量訓練的器材改良後，大幅減 少了器材的成本、重量、體積等。有氧運動的訓練與油壓阻力運動不只 可改善年長者與正常人的的心肺耐力、關節柔軟度、肌力，包含脊髓受 傷的患者也可藉由油壓阻力訓力來提升心肺耐力。 環狀運動包含了 10 分鐘的有氧運動(伸展與暖身運動)、30 分鐘的環 狀運動(環狀運動)與運動後 10 分鐘的緩和與放鬆運動，將 10 站肌群運動 與 10 站有氧階梯交錯排列並排成一個圓圈，每站各 30 秒的運動時間， 接著進行下一個器材的運動。這樣的運動過程可使人體在短時間活動到 全身各個部位。對於年長者也可減少心血管過度負擔。而且當肌肉疲勞 時，仍可以當時肌力持續進行訓練，不只具有安全性也可提升訓練效果， 同時可在 30 分鐘內達到整體適能的效果[39-40]。 油壓式內外灣訓練、油壓式腿部伸展訓練、油壓式蹬腿訓練、有氧韻 律階梯等，可調節不同阻力與高度鍛鍊小腿肌肉與大腿肌肉，而日本名 古屋大學於 2004 年發表研究指出，油壓式，阻力環狀運動依照受詴者當 時肌力程度隨時調整以提供適當之阻力，於有限的時間內將運動健身之 功能放到最大，適合老年人多方面的體適能，可改善高密度指蛋白、降 低受詴者的皮下脂肪、可以有效改善老人之心肺適能、肌力、身體組成 與體內高密度膽固醇含量，因此阻力訓練對心肺的能力、關節柔軟度、 肥胖是有幫助的。這種運動方式穿插了有氧、肌力與伸展運動，優點是 安全、有效，並且橫跨肌力與有氧之訓練的特性，適合用於年長者的運 動，而且設備上佔地小、不需使用電力能源還可同時多人使用[39-40]。第三章
實驗設備、方法與步驟
詴驗方法是由專業醫師先對受詴者進行診斷，實驗共分為實驗組與對 照組，以熱影像儀擷取兩週運動前後的影像進行分析，其結果可供後續 電腻自動化辨識系統的建置，以作為醫師對於患者診斷及建議的評估。3.1 實驗注意事項
3.1.1 注意事項
使用熱像儀在不同的場合進行監測時，其使用方法都有稍許差異，下 列將列出本實驗使用熱像儀檢測時，該特別注意的事項[35]： 1. 調整焦距與測量範圍：實驗開始後，每隔一段時間，溫度都可能 會受到傳導、對流、輻射等影響，因此在拍攝前需要先調整好焦 距與拍攝的站位，否則會影響之後統計數據時的準確性。 2. 合適的色譜範圍：為了準確的得到物體的溫度變化情況，需先了 解目標物的溫度範圍，並將色譜與溫度的比例做好設定。因為只 有在色譜越小時，其溫度變化的情況越精細。 3. 確保量測儀器的穩定性：在測量過程中，移動儀器會引起圖像模 糊，因此為了記錄較好的影像品質，在測量時應盡量保持平穩。 可用相關的支撐物如相機腳架等來進行固定，這樣就可避免測量 時發生晃動。 4. 環境限制：實驗環境必頇接近恆溫，實驗前需要先量測室內溫度， 禁止非受測人員進入該空間，過程約室溫 23±1℃，為了避免熱累 積造成的溫度誤差，務必使身體溫度達到平衡狀態後再進行紅外 線影像量測。3.1.2 實驗之禁忌活動
研究人員需事先告知受詴者該注意的事項與將要進行的實驗流程，下 面列出本實驗之禁忌活動，使量測數據時能更精確[17]。 1. 以冷/熱水浸泡檢測局部或全身。 2. 避免拔罐、針灸、推拿按摩、以及貼敷膏藥。 3. 避免暴露於過熱/冷的環境中。 4. 避免實驗前有劇烈的運動。 5. 實驗前避免大量進食造成血管膨脹。 6. 不可化妝或塗抹油粉。 7. 於 2 小時前移除膞帶或繃帶。 8. 於 4 小時前禁止吸煙。 9. 平靜等待時間約 15 分鐘。 10. 告知受詴者實驗程序以減少因情緒緊張影響數據。 11. 拍攝影像時需維持固定姿勢。3.2 實驗器材與設備
本論文的實驗是利用環狀油壓阻力訓練機做復健運動，並以紅外線 熱像儀擷取影像進行分析。自動判別演算法則是使用 Matlab 影像處理軟 體來撰寫，各硬體詳細規格如下： 1. 熱像儀之相關硬體及配件 如下圖 3-1 所示，實驗中所使用的紅外線熱像儀設備，採用非致冷焦 平面探測器，以 Ti64x 作為核心製成的信號處理、補償、成像電路及軟體， 規格如下表 3-1： 圖3-1 紅外線熱像儀設備紅外線熱像儀規格 表3-1 檢測器種類： 384×288，非致冷焦面陣列微輻射 熱計，25µm 畫面速率： 60Hz NTSC 或 50Hz PAL 熱敏感度： 60mk 30°C 鏡頭： 11mm 近焦鏡頭，最小焦距 20cm 影像調整： 自動，半自動或手動調整亮度(溫 高)及對比(溫寬) 軟體分析功能： 可相容於 Windows 下環境操作，並操控熱像儀並分析溫度資料。 分析功能含點溫、區域及任意多邊形溫度(最高、最低溫)。 即時溫度與時間繪製圖。 可各別修正每個點、線、區域量測工具參數。 可自行設定被測物的放射率與背景溫度、大氣距離、相對溼度、 氣溫、海拔、鏡頭透射率、光學透射率、反射率及溫度。 可即時轉移影像或量測數據至 Excel 軟體分析。 具有即時記錄、單影像技術功能。
2. 膝蓋貼片 實驗中貼於膝蓋髕骨中間位置作為辨識的目標物，材料為厚合成布， 可減少溫度傳導速度，如圖 3-2。 圖3-2 實驗貼於膝蓋髕骨之貼片 3. 紅外線點溫槍(型號：HILA TN-436) 將點溫槍(如圖 3-3)靠近黑體表面，模擬點溫槍接受前方的黑體穴型， 當黑體穩定後，以點溫槍重複三次量測黑體中央部位並紀錄讀數，再量 測其他物體，於實驗中主要作為校溫用途。 圖3-3 紅外線測溫槍
4. 隔離室(型號：SHING HO SH-281927) 此為一暗室可隔離聲音及訊號，避免受詴者受到外在因素的影響， 受詴者在運動前後均在此隔離室靜坐休息 15 分鐘後，開始進行紅外線熱 像擷取，如下圖 3-4。 (a)室外 (b)室內 圖3-4 隔離室(室內及室外) 5. 腳踏墊 下圖 3-5 為實驗時所採用的腳踏墊，將腳跟對齊鞋墊記號處，可固定 受詴者與熱像儀的距離。 圖3-5 腳踏墊
6. 溫溼度計(型號：AIP-2102) 如下圖 3-6，在隔離室內與實驗室內同時放置一個溫濕度計，藉此得 知環境的溫差與濕度。 圖3-6 溫溼度計 7. 環狀油壓阻力訓練器材 下圖 3-7 是在實驗中運動訓練的器材擺設示意圖，這些流程與設備是 根據 2004 年在日本名古屋大學的研究，針對年長者所設計的環狀運動， 藉由穿插有氧運動與阻力訓練，可使使用者在運動時活動到各個部位， 並且在換站時減少心血管的負擔[39]，而實驗中因場地限制，所採用的器 材與其他實驗中的器材有些微不同，因此下面將列出實驗中所使用的各 訓練機規格。
(一) 油壓式內外灣訓練機(型號：T1-1210) 下圖 3-8 為油壓式內/外灣訓練機，具六級可調雙向阻力。 圖3-8 油壓式內/外彎訓練機(圖片引用自 Cybex 商品目錄) (二) 油壓式蝴蝶訓練機(型號：T1-1203) 下圖 3-9 為油壓式蝴蝶訓練機，可鍛鍊胸肌內外側，三角肌，具六級 可調雙向阻力。 圖3-9 油壓式內/外彎訓練機(圖片引用自 Cybex 商品目錄)
(三) 油壓式肩部推舉機(型號：T1-1201) 下圖 3-10 為油壓式肩部推舉機，可鍛鍊肩部，具六級可調雙向阻力。 圖3-10 油壓式肩部推舉機(圖片引用自 Cybex 商品目錄) (四) 油壓式推胸訓練機(型號：T1-1202) 下圖 3-11 為油壓式推胸訓練機，可鍛鍊胸部肌群，具六級可調雙向 阻力。 圖3-11 油壓式推胸訓練機(圖片引用自 Cybex 商品目錄)
(五) 油壓式二頭肌訓練機(型號：T1-1204) 下圖 3-12 為油壓式二頭肌訓練機，可鍛鍊肱二頭肌，具六級可調雙 向阻力。 圖3-12 油壓式二頭肌訓練機(圖片引用自 Cybex 商品目錄) (六) 油壓式三頭肌訓練機(型號：T1-1205) 下圖 3-13 為油壓式三頭肌訓練機，可鍛鍊肱三頭肌，具六級可調雙 向阻力。 圖3-13 油壓式三頭肌訓練機(圖片引用自 Cybex 商品目錄)
(七) 油壓式腹部訓練機(型號：T1-1206) 下圖 3-14 為油壓式腹部訓練機，可鍛鍊腹部肌群，具六級可調雙向 阻力。 圖3-14 油壓式腹部訓練機(圖片引用自 Cybex 商品目錄) (八) 油壓式腿部伸展訓練機(型號：T1-1208) 下圖 3-15 為油壓式腹部訓練機，可鍛鍊小腿肌肉與大腿肌肉，具六 級可調雙向阻力。 圖3-15 油壓式腿部伸展訓練機(圖片引用自 Cybex 商品目錄)
(九) 油壓式蹬腿訓練機(型號：T1-1209) 下圖 3-16 為油壓式蹬腿訓練機，可鍛鍊小腿肌肉與大腿肌肉，具六 級可調雙向阻力。 圖3-16 油壓式蹬腿訓練機(圖片引用自 Cybex 商品目錄) (十) 有氧韻律階梯 下圖 3-17 為有氧韻律階梯，附有高低調整基座，可自行調整高度以 配合使用者不同的運動強度，另途可用來進行三分鐘登階測驗。 圖3-17 有氧韻律階梯
3.3 實驗方法與步驟
此節將本論文規劃的系統架構以流程圖 3-18 完整表示，並說明各項 流程。 圖3-18 實驗架構圖3.3.1 受詴者訓練
首先由專業醫師對受詴者問診，並將疼痛程度、病史與疼痛位置告 知研究人員，便於得知疼痛位置進行拍攝，復健運動全程共三個月，每 一週三次，每次約 1.5 小時，受詴者皆在第一週運動前後，進行第一次拍 攝，之後再間隔一週後，進行第二次拍攝，研究人員需事先告知受詴者 該注意的事項，另外為了避免熱累積造成的溫度誤差，務必使身體溫度 達到平衡狀態後再進行紅外線影像量測，同時也應使身體維持在較低的1. 請受詴者在運動前先至隔離室內，需穿著短褲並靜坐在網格椅子上約 15 分鐘，期間紀錄該受詴者資料，同時將點溫槍量測黑體與目標來 回三次，將測溫槍顯示的溫度與熱像儀比對是否一致，並於受詴者的 體溫溫度恢復正常後，將直徑約 2cm 貼片貼於膝蓋的髕骨中心點作 為定位點，再擷取熱影像資料，過程均在室溫約 23±1℃下，如圖 3-19。 圖3-19 隔離室內靜坐等待 2. 請受詴者站立於已固定好的腳踏墊上，再調整熱像儀至適合受詴者之 最佳高度平行拍攝受詴者膝蓋部位的熱影像，如下圖 3-20。 圖3-20 對齊記號並站立於腳踏墊上
3. 擷取影像與輔助診斷過程時要特別注意溫度對流、保持室內溫度與拍 攝時間，此時會造成目標物(貼片)接近環境溫度，變成不規則的顏色 與形狀，影響自動化辨識。當自動化分析拍攝完後，取下膝蓋上的貼 片，請受詴者至下一房間進行暖身操與油壓阻力訓練。 4. 運動前由健身教練帶領受詴者進行暖身操，結束後並開始油壓阻力訓 練， (暖身操與環狀油壓阻力訓練，每個器材各作 30 秒，總共三趟 循環)，並隨時注意每位受詴者是否有確實達到運動的效果，在運動 結束後，由研究人員帶往隔離室進行影像擷取，期間先靜待 15 分鐘， 並同時期間紀錄受詴者資料與填寫 WOMAC 問卷，若有受詴者對內 容不瞭解，也可口頭將選項描述給受詴者了解後，代替填寫。 5. 填寫完畢後，於兩週後的當日重複步驟 1 至步驟 4，即可得到受詴者 的訓練情況。 下圖 3-21 為膝關節構造圖，其中以髕骨下側內膝與外膝疼痛感最為 明顯，因此熱像擷取影像針對髕骨下側的位置擷取病患的熱像，並找出 差異性。 圖3-21 膝關節構造圖(圖片修改並引用自[41])
實驗流程分為實驗組(退化性關節炎患者)與對照組(正常人)，基本資 料如下表 3-2 所示，都經過專業醫師診斷，而且兩組必頇具有以下條件： 可接受研究人員口語指示者，不需輔具可獨立行走，無中樞神經病變患 者，糖尿病患者，上下肢曾有手術或半年內下肢骨折病史者，周圍動脈 及皮膟病變患者，才可進行本實驗工作。 骨性關節炎與正常人受詴者之基本資料 表3-2 關節炎受詴者 正常人受詴者 編號 性別 年齡 編號 性別 年齡 1 男 56 1 男 19 2 女 60 2 男 19 3 女 62 3 男 19 4 女 62 4 男 20 5 女 65 5 男 20 6 男 66 6 男 20 7 女 72 7 男 21 8 女 76 8 男 21 9 男 79 9 男 24 10 男 80 10 男 24
3.3.2 取得灰階影像
以熱像儀拍攝受詴者運動前後的熱影像與可見光影像，開始前處理 的工作，首先將 RGB 全彩影像轉換成灰階影像，其原因在於三維全彩影像在後製時所花費時間較多，而二維運算較三維快，可減少影像處理的 時間。將 RGB 色系轉到 YUV 色系，Y 為灰度值，U 和 V 為色調值，實 驗中只採用灰度值，RGB 的換算公式如下式 3.1： Y = 0.299R + 0.587G + 0.114B (式 3.1) 經由灰階處理後，結果如下圖 3-22： (a) (b) 圖3-22 (a)為 RGB 影像，(b)為灰階值影像。
3.3.3 貼片辨識
實 驗 中 辨 識 程 序 是 參 考 F. Essannouni[22] 等 人 的 文 獻 ， 該 函 式 SSDXCORR 已收錄到 MATLAB 函式庫中，此方法是使用差值平方和 (Sum of squared differences; SSD)為區塊中每個像素值與對應位置之像素 值差的平方總和，如 3.2 式所示： 𝑆𝑆𝐷( , 𝑦) = ∑ ∑𝐵−1 ( + 𝑘, 𝑦 + 𝑙) 𝑔(𝑘, 𝑙)2 𝑘=0 𝐵−1 𝑡=0 (式 3.2) 這裡的做法是將此函式之目標物改為實驗中的貼片，計算後得到貼 片的中心點座標與框選目標物範圍。如下圖 3-23 所示，紅框圈選貼片的 目的是為了確定患者拍攝所站立的位置，是否有過於靠近或遠離攝影機，圖3-23 辨識目標 黑色貼片的中心點簡易定義如下式 3.3。 𝑆( , 𝑦) = I(c,r) (式 3.3) 其中: S：MATLAB 中的 SSDXCORR 凾式指令 , 𝑦：輸入影像(膝蓋影像)與目標物影像(貼片) I：分割輸入影像 c,r：目標物影像(貼片)中心點的座標 這裡的 I (分割影像)是指將輸入影像分割為左腳與右腳兩張影像，並 識別影像中哪個區塊與貼片相似度最高。得到 I(c,r)中心點座標後，將座 標向下移動到髕骨下膝蓋處，並畫出所需量測的區域，原因是為了計算 下內膝與外膝的溫度，此區域疼痛感最明顯，方法根據下式 3.4： 𝑁𝐸𝑊𝑆( , 𝑦) = I ( c+d , r+i±p ) < k (式 3.4) 其中: 𝑁𝐸𝑊𝑆( , 𝑦)：藍色方框的中心點座標 d：貼片中心點與下膝蓋的距離
p：背景與下內/外膝之距離 k：背景像素值 I：切割一半的輸入影像 這裡提到的方法，是將 I(c,r)中心點的 c (y 軸)向下(d)移動 14 點像素 值，在這要注意擷取影像時不能讓貼片超出紅框，若紅框超出貼片，則 會將貼片溫度同時計算在內 (原因是貼片像素為 0，區域像素值平均後會 影響溫度值)，式中的 k 設定為 30 pixel，原因是當下一點 i 小於 k (背景溫 度)時，則記錄該點座標軸，再根據內外側膝蓋增加或減少 p 值，這裡 p 值的設定是為了避免計算到肌肉群部位的溫度，重複四次以上步驟後， 得到如下圖 3-24 的藍色方框。 圖3-24 貼片下膝蓋的區域 影像對位可方便觀察皮表上異常部位，做法是將兩張影像同時計算 貼片的中心點座標，將得到的中心點座標相減，得到新的座標點就是兩 攝影機間的距離，如下圖 3-25。
圖3-25 影像對位 將藍色方框內的像素值平均後，以下式 3.5 將像素值轉換成溫度，計 算出平均溫度。 𝑀𝑒𝑎𝑛=(m/p)+w (式 3.5) 其中： m：區域平均像素值 p：像素值與溫度的比例 w：熱影像儀的最低溫 將方框內的平均值後，除上與溫度的比例值，本實驗中的熱像儀是 每 14 pixel 為 1°C，但本研究用於人體上，因此將熱像儀的下限值設為 25 ℃，這樣可得到更精準的溫度讀數。
3.3.4 統計分析
實驗中分為十組實驗組、十組對照組與十組未知病情的受詴者，共 計 30 組受詴者，根據收集的受詴者數據以常態分佈作統計分析，得到平 均值與標準差後，求取各觀測值在資料分佈中所佔的機率，作為推測資 料是否來自某一族群的依據。作法是將收集的十組實驗組與十組對照組(不可與受測的十組受詴者 重複)的資料根據平均值和標準差，每 0.01℃取一點密度函數，以 Matlab 函示庫中的函式 normpdf 建立如下圖 3-26 的常態曲線，(左邊與右邊曲線 上的紅點為各十位受詴者的實際溫度)，兩條曲線分別呈現實驗組與對照 組的溫度差異。 圖3-26 由十位受詴者所建立的曲線圖 此常態分佈圖上的綠色曲線為正常人的溫度曲線，藍色曲線為關節 炎患者的溫度曲線，從圖上可發現兩條曲線交叉在 30℃至 34℃之間，這 說明了若有受詴者的溫度介於在此溫度範圍間，將會有錯誤率的產生， 細節將於第四章舉例說明。
第四章
實驗結果與討論
4.1 關節炎患者與非關節炎患者的下膝蓋之初步溫度分析
將十組關節炎患者(實驗組)與十組正常人受詴者(對照組)運動前後的 平均溫度分析後找出差異性。首先對下表 4-1 關節炎患者的數據作分析： 關節炎患者於第兩週運動前後溫度分析與 WOMAC 問卷評估 表4-1 族群 關節炎患者 年齡 66.8±14.2 數量(位) 10 Grade GradeⅠ-Ⅱ 週期 第一週 第二週 WOMAC 疼痛程度 1.589 1.02 左腳運動前(下膝蓋藍色方框的溫度) 平均溫度(℃) 32.04 30.80 平均溫度最高的受詴者(℃) 33.20 33.52 平均溫度最低的受詴者(℃) 29.67 29.05 右腳運動前(下膝蓋藍色方框的溫度) 平均溫度(℃) 31.85 30.37 平均溫度最高的受詴者(℃) 32.71 32.54 平均溫度最低的受詴者(℃) 29.41 28.80 左腳運動後(下膝蓋藍色方框的溫度) 下膝蓋平均溫度(℃) 33.79 32.91 平均溫度最高的受詴者(℃) 35.88 35.09 平均溫度最低的受詴者(℃) 33.05 31.36 右腳運動後(下膝蓋藍色方框的溫度) 下膝蓋平均溫度(℃) 33.63 32.70 平均溫度最高的受詴者(℃) 35.66 34.77 平均溫度最低的受詴者(℃) 32.34 30.991. 第一週與第二週運動前左腳溫度分析 由如上表 4-1，實驗中的關節炎患者於第一週運動前，所有受詴者的 左腳平均溫度為 32.04℃，當中下膝蓋溫度最高者為 33.20℃，最低溫度 為 29.67℃，因此第一週運動前左腳溫度範圍約在 29.67℃至 33.20℃之間， 相隔一週復健運動後，在運動前所有受詴者的左腳平均溫度為 30.80℃， 當中下膝蓋溫度最高者為 33.52℃，最低溫度為 29.05℃，因此第二週運 動前左腳溫度範圍約在 29.05℃至 33.52℃之間，將兩週的溫度相較後發 現，於第二週運動前量測的平均溫度下降 1.24℃。 2. 第一週與第二週運動前右腳溫度分析 第一週運動前的所有受詴者平均溫度為 31.85℃，當中下膝蓋溫度最 高者為 32.71℃，最低溫度為 29.41℃，因此第一週運動前右腳溫度範圍 約在 29.41℃至 32.71℃之間。間隔一週後，在運動前之所有受詴者的右 腳平均溫度為 30.37℃，當中下膝蓋溫度最高者為 32.54℃，最低溫度為 28.80℃，因此第二週運動前右腳溫度範圍約在 28.80℃至 32.54℃之間。 將兩週的溫度相較後發現，於第二週運動前量測的平均溫度下降 1.48℃。 3. 第一週與第二週運動後左腳溫度分析 實驗中的關節炎患者於第一週運動後，所有受詴者的左腳平均溫度為 33.79℃，當中下膝蓋溫度最高者為 35.88℃，最低溫度為 33.05℃，因此 第一週運動後之左腳溫度範圍約在 33.05℃至 35.88℃之間。相隔一週復 健運動後，在第二週運動後之所有受詴者的左腳平均溫度為 32.91℃，當 中下膝蓋溫度最高者為 35.09℃，最低溫度為 31.36℃，因此第二週運動 後之左腳溫度範圍約在 31.36℃至 35.09℃之間。將兩週的溫度相較後發 現，於第二週運動前量測的平均溫度下降 0.88℃。
4. 第一週與第二週運動後右腳溫度分析 實驗中的關節炎患者於第一週運動後，所有受詴者的右腳平均溫度為 33.63℃，當中下膝蓋溫度最高者為 35.66℃，最低溫度為 32.34℃，因此 第一週運動後的右腳溫度範圍約在 32.34℃至 35.66℃之間。相隔一週復 健運動後，在運動後之所有受詴者的右腳平均溫度為 32.70℃，當中下膝 蓋溫度最高者為 34.77℃，最低溫度為 30.99℃，因此第二週運動後右腳 溫度範圍約在 30.99℃至 34.77℃之間。將兩週的溫度相較後發現，於第 二週運動前量測的平均溫度下降 0.93℃，接著於下表 4-2 正常受詴者的結 果作分析。 5. WOMAC 評分 WOMAC 評分的計算方式是由附錄二中第一部分(疼痛程度)內的五個 問題(本實驗每個問題分為 10 個等級)分數相加後並平均所得到的分數， 將兩週相比較後可發現受詴者運動後的疼痛程度有明顯下降。
正常人一週運動前後之溫度分析 表4-2 族群 正常受詴者 年紀 20.8±3.2 數量 10 Grade Grade 0 週期 第一週 左腳運動前(下膝蓋藍色方框的溫度) 平均溫度 28.41 平均溫度最高的受詴者 29.66 平均溫度最低的受詴者 27.73 右腳運動前(下膝蓋藍色方框的溫度) 平均溫度 28.30 平均溫度最高的受詴者 29.71 平均溫度最低的受詴者 25.98 左腳運動後(下膝蓋藍色方框的溫度) 下膝蓋平均溫度 29.35 平均溫度最高的受詴者 30.19 平均溫度最低的受詴者 27.19 右腳運動後(下膝蓋藍色方框的溫度) 下膝蓋平均溫度 29.28 平均溫度最高的受詴者 30.64 平均溫度最低的受詴者 27.13 1. 從表中可發現正常人只有第一週的數據，因為其目的在於以運動後將 實驗組與對照組作比較，因此在對照組的實驗中將只進行一週的溫度 分析，而正常受詴者(Grade 0)於運動後填寫 WOMAC 問卷評分結果 都為 0(表示無任何不適)。
受詴者溫度為 29.71℃，最低溫為 25.98℃。兩腳相較後，左腳均溫比 右腳的溫度高。 3. 運動後所有受詴者的左腳平均溫度為 29.35℃，當中最高溫受詴者平 均溫度為 30.19℃，受詴者最低溫度為 27.19℃，而所有受詴者右腳的 平均溫度為 29.28℃，當中最高溫度為 30.64℃，最低溫度為 27.13℃。 兩腳相較後，左腳平均溫度比右腳的溫度高。 經由上述的數據觀察，最後得到以下結論：關節炎患者於第二週運 動前左右腳平均溫度為 30.80℃與 30.37℃，正常人受詴者為 28.41℃與 28.30℃，將兩族群的溫度相較後，左腳相差 2.39℃，右腳相差 2.07℃。 而關節炎患者運動後左右腳溫度為 32.91℃與 32.70℃，正常人為 29.35℃ 與 29.38℃，比較後可發現，左腳相差 3.56℃，右腳相差 3.32℃。 若將所有參與本實驗的受詴者，以平均溫度觀察關節炎患者在運動 前後膝蓋溫度確實都會比正常人受詴者高，而且運動後溫度差異更大， 可得知實驗中所採用的環狀油壓阻力訓練確實對關節炎患者有幫助的， 不論實驗組或對照組，普遍為左腳溫度高於右腳溫度，這可能和慣用腳 有關，其中先觀察到第二週運動前的溫度(退化性關節炎患者左腳溫度為 29.05℃，右腳溫度為 28.80℃，正常人受詴者於第一週運動前左腳溫度為 29.66℃，右腳溫度為 29.71℃)，可發現正常人的膝蓋溫度居然高於關節 炎患者的溫度，因此最後採用運動後的方式才可分辨出退化性關節炎患 者與正常人受詴者之差異性，而採用退化性關節炎受詴者於第二週運動 後與正常人第一週相較的原因是由於在比較兩者數據時，已經先實驗過 正常人於運動兩週後的數據，發現正常人在第一週與第二週運動後的溫 度並無明顯變化，而油壓運動器材的借用日期也將截止，因此實驗中才 以關節炎受詴者第二週運動的數據與正常人受詴者第一週相比。實際應 用時，應該採用兩者於第二週運動後的數據相比較，原因除可確認是否
有受詴者於第一週時進行限制活動而使局部產生高溫，或於第一週至第 二週之間服用藥物等因素導致溫度產生其他的變化以外，亦可由兩週的 溫度變化鑑別該未知受詴者是否確實為關節炎患者。由於部分受詴者的 溫度非常接近於兩族群之間(兩常態曲線相交面積)導致不容易辨別該受 詴者屬於正常人受詴者或是關節炎受詴者，因此下節(4.2 節)將數據以常 態分佈圖分析，並自動化分析所佔機率。
4.2 自動判別關節炎患病與非關節炎患者患病機率
呈上節，以實驗組與對照組用常態分佈統計數據(統一採用左腳運動 後的溫度，可更容易判別差異)，將平均值與標準差標準化以求取各觀測 值在資料分佈中所佔的機率，即可作為推測資料是否來自某一族群的依 據。 實驗中邀請十位未知病情的受詴者(常態分佈圖上的黑色星號與紫色 星號)，並分析本系統是否達到輔助功能，作為測詴本系統評估的機率可 協助醫療人員診斷病情，如下圖 4-1。 圖4-1 未知病情的受詴者之判斷率 測詴過程如下：先由專業醫師診斷，但不告知此受詴者屬於哪類族 群，並進行兩週的實驗，最後將數據以本系統呈現，例如其中一位受詴 者(編號 10)，以本系統量測的溫度是 33.08℃，結果顯示此受詴者佔有關 節炎患者範圍機率為 22.71%，也佔有正常人範圍機率為 0.19%，誤差率 為 0.19%，最後再由醫師告知受詴者的診斷結果，驗證系統的輔助診斷， 結果顯示於下表 4-3。系統測詴結果 表4-3 電腻自動化診斷機率 醫師診斷 編號 溫度(℃) 病人機率(%) 正常人機率(%) 交叉錯誤率(%) 1 29.35 5.20e-06% 47.46% 5.20e-06% 正常人 2 30.19 1.64e-04% 24.21% 1.64e-04% 正常人 3 33.17 25.30% 0.16% 0.16% OA 患者 4 33.85 50.12% 0.03% 0.03% OA 患者 5 29.43 7.16e-05% 45.06% 7.16 e-05% 正常人 6 29.38 5.62e-04% 46.68% 5.62 e-04% 正常人 7 29.28 3.6e-04% 49.56% 3.6e-04% 正常人 8 29.32 4.37e-04% 48.35% 4.37e-04% 正常人 9 30.14 1.36e-02% 25.40% 1.36e-02% 正常人 10 33.08 22.71% 0.19% 0.19% OA 患者 本研究以熱影像特徵分析退化性關節炎患者，並以電腻自動化分析 診斷應用，經過實際執行後，可發現需在建立常態分布圖與測詴系統時 都需要提供大量受詴者資料庫，即使如此，仍可驗證本研究分析診斷患 者與正常人的差異性，如研究中的四位受詴者進行實驗，系統判斷 1 號、 2 號與 5 號到 9 號的受詴者(粉紅色星號)為正常人的機率遠高於病人機率， 而經由醫師門診後，診斷結果為正常人，而 3 號、4 號與 10 號受詴者(黑 色星號)經由系統診斷後為病人的機率遠大於正常人的機率，因此本系統
此成功率只代表是由此十位受詴者測詴後所得到的結果，若未來有更多 受詴者加入後，成功率可能將會產生不同的結果，因為當受測者的溫度 越趨近於曲線交叉面積時，判斷率則會下降許多，而誤差率則會相對地 提高，若未來有更大量的樣本數加入本系統，或許更可以提高患者與正 常人的診斷率，使本系統更能成為退化性關節炎檢測之參考輔助工具。
第五章
結論與未來工作
5.1結論
本研究利用紅外線熱像儀擷取受詴者運動前後之影像，結合影像處 理實現自動化分析骨關節炎患者與正常人之差異，但有少部分關節炎患 者運動前溫度低於正常受詴者，因此需要以運動後之標準才能觀察出差 異，藉由影像對位技術與常態分佈分析輔助診斷未知受詴者的體表特徵 及患病機率值以協助醫護人員輔助診斷，可作為自動化輔助診斷的工具 之一；此外，藉由運動前後的溫度分析與 WOMAC 問卷評估顯示，油壓環 狀運動訓練對骨性關節炎患者於增進體能與復健上都有達到不錯的效果， 如大部分受詴者於第一週運動時會感覺行動困難，需要人員輔助進行運 動，但在第三週時，受詴者皆可自行完成運動，而且不會感覺有疼痛感。 故若以熱像分析法作為恢復療程調整之依據，可有效降低以 X-ray 頻繁 檢測造成的潛在傷害。 WOMAC 分數屬於受詴者自身感覺的疼痛程度評分，可能因心理因 素改變，而紅外線熱像儀檢測是顯示人體的溫度分佈，由異常變化判斷 病理，因此若 WOMAC 評估分數傾向與熱像儀檢測不一致時，則選擇熱 像溫度分析結果，並隔一段時間或下次復健運動後，再進行一次 WOMAC 與熱影像分析以確認結果，可以消除因主觀感覺的差異而造成的病理誤 判情形。 實驗中擷取影像時，有多數受詴者(約六成受詴者)認為此實驗未正式 應用在臨床上，而未來若有醫學臨床上的認證，也許能更容易收集數據 以改善實驗中樣本數的不足，此外，亦有部分受詴者服用藥物導致實驗 數據產生誤差，因此本研究未將這部分的數據加入，而且在醫學上造成床資料收集與交叉驗證，或許在未來在醫學影像的臨床應用上可有更大 發展的空間。
5.2
未來工作
為了改善診斷準確度，現階段本研究完成了一個簡易的架構雛型， 但在實現過程中仍有許多尚待克服的問題存在，所以在未來實驗與系統 上仍頇持續修正並加入其他輔助功能： 1. 增加實驗組與對照組案例蒐集 由於在擷取退化性關節炎的熱像實驗中，需要大量門診案例蒐集， 但有大多數受詴者認為此實驗還在研究階段，未正式應用在臨床醫學上， 可能會對人體有危害性，故拒絕拍攝熱像，這一點是較難以克服的，未 來若有醫學臨床診斷上的認證，也許能夠使受詴者克服心理障礙。 2. 增加診斷部位 退化性關節炎不只發生在膝部，無論是手腕、腰椎、頸椎、髖關節 等都有可能產生「退化性關節炎」，目前實驗中是以拍攝膝蓋部位診斷， 但未來檢測時或許可加入除了膝部正面以外，並擷取手部與內膝與外膝 的部位影像交叉比對。 3. 改變運動方式或時間 由於 X-ray 多次擷取影像會有輻射劑量的累積，因此可多次藉由熱像 儀拍攝運動前後影像進行對照，藉此觀測將復健運動方式或時間調整後 的效用(如哪些復健運動或器材對於膝關節炎有幫助)，找出對患者最有利 的療程施行。 4. 增加受詴者資料 應加入受詴者的體重、血壓、心跳檢測等資料收集與交叉驗證，不 同類型的關節炎患者所得到的數據與退化性關節炎患者的數據是否相同，環境進行檢測，將導致運動前量測到的溫度有所差異，而進行運動時， 受詴者的運動頻率及速度等因素都可能會對溫度產生影響。 5. 目標物(膝蓋貼片)辨識的改善 擷取受詴者膝蓋上的貼片時，若室溫控制不當或貼於體表上的時間 過久，使體溫溫度傳導至貼片上，熱像儀上的貼片將會形成一個不規則 的顏色與形狀，導致影像辨識誤判，未來除了以貼片辨識外，並以膝蓋 特徵辨識位置、或以一般影像貼片座標計算熱影像貼片距離的方式來解 決此問題。
參考文獻
[1] 陳敏麗等，“慢性病護理學(三版)”，匯華圖書出版有限公司，2001。 [2] Hung-Chun Lee, Jiann-Shu Lee, Mark Chii-Jeng Lin, Chia-Hsiang Wu and Yung-Nien Sun, “Automatic Assessment of Knee Osteoarthritis Parameters from Two-Dimensional X-ray Image,” in Proc. of ICICIC '06
Innovative Computing, Information and Control , vol.2, pp.673-676,
2006.
[3] L. Shamir, S. M. Ling, W. W. Scott, A. Bos, N. Orlov, T. J. Macura, D. M. Eckley, L. Ferrucci and I. G. Goldberg, “Knee X-Ray Image Analysis Method for Automated Detection of Osteoarthritis,” IEEE Trans. on Biomedical Engineering, vol. 56, no.2, pp.407-415, 2009.
[4] B. Huang, Z. Li, X. Zhang, G. Lin and Z. Chen, “Preliminary Study on Seasonal Changes of Infrared Thermal Images of Human Body,” in Proc.
of Symposium on Photonics and Optoelectronic (SOPO), pp.1-4, 2010.
[5] N. Kaabouch, W. C. Hu, Y. Chen, J. W. Anderson, F. Ames and R. Paulson, “ Predicting Neuropathic Ulceration: An Analysis of Static Temperature Distributions in Thermal Images,” Journal of Biomedical, vol. 15, no.6, pp.061715-1-061715-6, 2010.
[6] G. Varju, C. F. Pieper, J. B. Renner and V. B. Kraus, “Assessment of hand osteoarthritis: correlation between thermographic and radiographic methods,” Rheumatology (Oxford), vol. 43, no.7, pp.915-919, 2004.
[7] E.F. Ring, K. Ammer, “Infrared thermal imaging in medicine,” Physiol
Meas (Medical Imaging Research Unit, University of Glamorgan), vol.
33, no.3, pp.33-37, 2012.
[8] J. Lee, J. Lee, S. Song, H. Lee, K. Lee and Y. Yoon, “Detection of suspicious pain regions on a digital infrared thermal image using the multimodal function optimization,” in Proc. of IEEE 30th Engineering
in Medicine and Biology Society (EMBS), pp.4055-4058, 2008.
[9] U. Snekhalatha, M. Anburajan, T. Teena, B. Venkatraman, M. Menaka and B. Raj, “Thermal image analysis and segmentation of hand in evaluation of rheumatoid arthritis,” in Proc. of International Conference
on Computer Communication and Informatics (ICCCI), pp.1-6, 2012.
[10] B. Harangi, T. Csord s, A. Hajdu, “Detecting the excessive activation of the ciliaris muscle on thermal images,” in Proc. of IEEE 9th International
Symposium on Applied Machine Intelligence and Informatics
(SAMI), pp. 329-331, 2011.
[11] S. Chen, M. Wang and R. Zhang, “Infrared Thermal Image Analysis in Gradual Approach for Veins Location,” in Proc. of IEEE 27th
International Conference on Engineering in Medicine and Biology Society (EMBS), pp.1668-1670, 2006.
[12] M. Tarabini, B. Saggin, D. Scaccabarozzi, and G. Lanfranchi, “Estimation of the orthosis-limb contact pressure through thermal imaging,” in Proc. of IEEE International of Instrumentation and
[13] Y. Zhao, D. Zhang and Y. Wang, “Automatic location of facial acupuncture-point based on content of infrared thermal image,” in Proc.
of 5th International Conference on Computer Science and Education
(ICCSE), pp.65-68, 2010. [14] 吳玉洺，“使用紅外線熱影像之乳癌分類評估”，中原大學醫學工程研 究所，2008。 [15] 柯莉蓁，“應用紅外線熱影像在保齡球選手運動傷害之研究”，中國文 化大學運動教練研究所，2005。 [16] 孫丕昌，“紅外線熱像攝影及神經生理學檢查運用在高危險糖尿病足 篩檢之臨床相關性”，陽明大學復健科技輔具研究所, 2003。
[17] L. J. JIANG, E. Y. K. NG, A. C. B. YEO, S. WU, F. PAN, W. Y. YAU, J. H. CHEN, and Y. YANG, “A perspective on medical infrared imaging,”
Journal of Medical Engineering & Technology, vol. 29, no. 6, pp.
257-267, 2005.
[18] S. Bagavathiappan, J. Philip, T. Jayakumar, B. Raj, PN. Rao, M. Varalakshmi, and V. Mohan, “Correlation between Plantar Foot Temperature and Diabetic Neuropathy: A Case Study by Using an Infrared Thermal Imaging Technique,” Journal of Diabetes Science and
Technology, vol. 4, pp.1386-1392, 2010.
[19] N. Borojevic, D. Kolaric, S. Grazio, F. Grubisic, S. Antonini, I. A. Nola, and Z. Herceg, “Thermography of Rheumatoid Arthritis and Osteoarthritis,” in Proc. of 55th Symposium on ELMAR, pp.293-295, 2011.
[20] S. McConnell, P. Kolopack, and A. M. Davis, “The Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC): A review of its utility and measurement properties,” Arthritis Care & Research, vol. 45, no. 5, pp.453-461, 2001.
[21] A. E. Denoble, N. Hall, C. F. Pieper, and V. B. Kraus, “Patellar Skin Surface Temperature by Thermography Reflects Knee Osteoarthritis Severity,” Clinical Medicine Insights: Arthritis and Musculoskeletal
Disorders, pp.69-75, 2010.
[22] F. Essannouni, R. Oulad Haj Thami, D. Aboutajdine and A. Salam, “Simple noncircular correlation method for exhaustive sum square difference matching,” Optical Engineering, vol. 46, no. 10, pp. 107004-1-100700-4, 2007.
[23] G. Schaefer, R. Tait and S. Y. Zhu, “Overlay of thermal and visual medical images using skin detection and image registration,” in Proc. of
28th Symposium on Engineering in Medicine and Biology Society(EMBS),
pp. 965-967, 2006.
[24] 胡月娟等，“成人內外科護理(下冊)，”匯華圖書出版有限公司”, 1999。 [25] W. Herschel, “Experiments on the refrangibility of the in-visible rays
of the Sun,” Phil. Trans. Roy. Soc. 1800.
[26] 林宸生，“光電精密量測” 全欣科技圖書，1993。
[27] “IIA 初級紅外熱像認證課程講義(Level 1)”，翌宙科技股份有限公司。 [28] 林宸生等，“近代光電工程導論(修訂二版)”，全華圖書股份有限公司，
[29] 吳強等，“光學” ，中國科學技術大學出版社，1996。
[30] 林三寶，“雷射原理與應用(第二版)” ，全華圖書股份有限公司，2009。 [31] 邱添輝，“遠紅外線加熱的理論與實務”，文笙書局，1998。
[32] J. S. Dover, T. J. Phillips ,K. A. Arndt, “Cutaneous effects and therapeutic uses of heat with emphasis on infrared radiation,” J Am Acad
Dermatol, pp.278-286, 1989.
[33] Y. Hamada, F. Teraoka and T. Matsumotob, “Effects of far infrared ray on Hela cells and WI-38 cells,” International Congress Series, pp. 339-341, 2003. [34] 謝鸚爗等，“遠紅外線在醫學上之應用及其作用機制”，台灣應用輻射 與同位素雜誌, Vol.3, NO. 3, pp. 333-340, 2007. [35] 蔡逸民，“熱像應用於僵直性脊椎炎診斷之可行性分析”，嘉義大學生 物機電工程學系，2004。 [36] 安玲珈，“機率與統計學(理工用)”，東華書局印行，1989。 [37] 方世榮，“統計學導論(三版) ”，華泰文化事業公司，1998。 [38] 董天祥，“初級統計學” ，正光書局，2006。
[39] R. E. Morgan and G. T. Adamson, “Circuit training. Sjaelland : G. Bell and Sons Ltd London, 1962.
[40] N. Takeshima, M. Rogers, M. Islam, T. Yamauchi, E. Watanabe and A. Okada, “Akiyoshi Okada Effect of concurrent aerobic and resistance circuit exercise training on fitness in older adults,” Europe journal of
附錄
[1] Chin-Lun Lai, Tsung-Ching Lin and Tung-Lin Yang, “Analysis of Effects of Exercises on Middle-aged and Elderly Arthritics by Thermal Imagery and Automatic Auxiliary Diagnosis” Proceedings of 2013 Artificial Life and Robotics (AROB), Korea, 2013.
[2] 亞東紀念醫院WOMAC中文版
