science >> Wetenschap >  >> Elektronica

Selfies voor zelfdiagnose:algoritme versterkt smartphones om ziekte te diagnosticeren

Beelden van een diagnostische test worden vastgelegd met behulp van een smartphonecamera. Regio's van belang worden geëxtraheerd en omgezet in HSV (tint, verzadiging, waarde) ruimte. Na het conversieproces, de standaard pixelintensiteitsanalyse wordt toegepast op het verzadigingskanaal en de waarden worden gebruikt om de absorptie en concentratie van het monster automatisch te bepalen. Krediet:Florida Atlantic University

Toegankelijk, verbonden, en rekenkracht, smartphones zijn niet alleen meer voor "selfies". Ze zijn naar voren gekomen als krachtige evaluatie-instrumenten die in staat zijn om medische aandoeningen te diagnosticeren in point-of-care-omgevingen. Smartphones zijn ook een haalbare oplossing voor de gezondheidszorg in ontwikkelingslanden, omdat ze ongetrainde gebruikers in staat stellen om gegevens te verzamelen en door te geven aan medische professionals.

Hoewel de cameratechnologie van smartphones tegenwoordig een breed scala aan medische toepassingen biedt, zoals microscopie en cytometrische analyse, in praktijk, afbeeldingstests voor mobiele telefoons hebben beperkingen die hun bruikbaarheid ernstig beperken. Om deze beperkingen aan te pakken, is externe smartphonehardware vereist om kwantitatieve resultaten te verkrijgen, waardoor een ontwerpafweging ontstaat tussen toegankelijkheid en nauwkeurigheid.

Onderzoekers van het College of Engineering and Computer Science van de Florida Atlantic University hebben een nieuw beeldalgoritme voor mobiele telefoons ontwikkeld waarmee analyses kunnen worden geanalyseerd die doorgaans worden geëvalueerd via spectroscopie. een zeer geavanceerd en krachtig apparaat dat wordt gebruikt in wetenschappelijk onderzoek.

Door de analyse van meer dan 10, 000 afbeeldingen, de onderzoekers hebben kunnen aantonen dat de verzadigingsmethode die ze ontwikkelden consistent beter presteerde dan bestaande algoritmen onder een breed scala aan operationele veldomstandigheden. Hun bevindingen, gepubliceerd in het tijdschrift analist van de Royal Society of Chemistry, is een stap voorwaarts in de ontwikkeling van point-of-care-diagnostiek door de behoefte aan benodigde apparatuur te verminderen, het verbeteren van de detectielimiet, en het vergroten van de nauwkeurigheid van kwantitatieve resultaten.

"Smartphonecamera's zijn geoptimaliseerd voor beeldweergave in plaats van voor kwantitatieve beeldgebaseerde metingen, en ze kunnen niet gemakkelijk worden omzeild of teruggedraaid. Verder, de meeste laboratoriumgebaseerde biologische en biochemische tests missen nog steeds een robuust en herhaalbaar analoog voor mobiele telefoons, " zei Waseem Asghar, doctoraat, hoofdauteur en een assistent-professor in FAU's Department of Computer and Electrical Engineering and Computer Science. "We hebben een op mobiele telefoons gebaseerde beeldvoorbewerkingsmethode kunnen ontwikkelen die een gemiddelde pixelintensiteit produceert met kleinere varianties, lagere detectielimieten, en een hoger dynamisch bereik dan bestaande methoden."

Waseem Asghar, doctoraat, hoofdauteur en een assistent-professor in FAU's Department of Computer and Electrical Engineering and Computer Science. Krediet:Alex Doce, Florida Atlantic University

Voor de studie, Asghar en co-auteurs Benjamin Coleman en Chad Coarsey, afgestudeerde studenten in het Asghar-laboratorium in FAU's College of Engineering and Computer Science, uitgevoerde beeldopname met behulp van drie smartphones:de Android Moto G met een 5 megapixel (MP) camera; de iPhone 6 met een 12 MP camera, en de Samsung Galaxy Edge 7 met een 12 MP camera.

Ze hebben getest op het vastleggen van afbeeldingen onder verschillende omstandigheden, gemeten algoritmeprestaties, geteste gevoeligheid voor camera-afstand, kantelen en bewegen, en onderzocht histogrameigenschappen en concentratierespons. Ze onderzochten ook de detectielimiet en de eigenschappen van verzadiging, niveaus van omgevingslicht en relatie met rood-groen-blauw (RGB) kleurruimte. Afbeeldingen van mobiele telefoons worden standaard opgeslagen als arrays van RGB-pixelintensiteiten, gewoonlijk aangeduid als kleurkanalen.

Met behulp van enkele duizenden afbeeldingen, de onderzoekers vergeleken verzadigingsanalyse met bestaande RGB-methoden en ontdekten dat het zowel analytisch als empirisch de prestaties verbeterde in de aanwezigheid van additieve en multiplicatieve omgevingslichtruis. Ze toonden ook aan dat verzadigingsanalyse kan worden geïnterpreteerd als een geoptimaliseerde versie van bestaande RGB-verhoudingstests. Ze hebben vastgesteld dat de ideale omstandigheden voor het vastleggen van beelden constant wit licht omvatten, een schone witte achtergrond, minimale afstand tot het monster en nul hoekverplaatsing van de camera.

Asghar, Coleman en Coarsey hebben de test ook toegepast op een ELISA (enzyme-linked immunosorbent assay), een op platen gebaseerde testtechniek die is ontworpen voor het detecteren en kwantificeren van stoffen zoals peptiden, eiwitten, antistoffen en hormonen. Ze ontdekten dat voor hiv, verzadigingsanalyse maakte een evaluatie zonder apparatuur mogelijk en een detectielimiet was aanzienlijk lager dan wat momenteel beschikbaar is met RGB-methoden.

De door de FAU ontwikkelde methodologie vertegenwoordigt een verbetering in herhaalbaarheid, praktisch, en beeldopname ruisonderdrukking. In aanvulling, verzadigingsanalyse wordt niet beïnvloed door veel van de belangrijkste beperkende factoren voor op afbeeldingen gebaseerde tests, zoals variaties in het omgevingslicht, schaduw, en variabele lichtniveaus. De onderzoekers verwachten dat de gunstige eigenschappen van verzadigingsanalyse zullen optreden en mogelijk maken op mobiele telefoonbeeldgebaseerde point-of-care-tests met minder apparatuuroverhead en lagere detectielimieten.

"Het onderzoek dat plaatsvindt in het Asghar-laboratorium aan de Florida Atlantic University heeft belangrijke implicaties voor diagnostische geneeskunde en de levering van gezondheidszorg in zowel ontwikkelde als ontwikkelingslanden, " zei Stella Batalama, doctoraat, decaan van FAU's College of Engineering and Computer Science. "Professor Asghar en zijn team zijn gedreven om door te gaan met het ontwikkelen van geavanceerde technologie die het vermogen heeft om op afstand ziekten snel op te sporen en te diagnosticeren, nauwkeurig en goedkoop. Dit nieuwste algoritme dat ze hebben ontwikkeld, is een van de vele vorderingen die ze op dit gebied maken."