Selfies til selvdiagnose:Algoritme forstærker smartphones til at diagnosticere sygdom

Tilgængelig, forbundet, og beregningsmæssigt kraftfuld, smartphones er ikke kun til "selfies" længere. De er fremstået som kraftfulde evalueringsværktøjer, der er i stand til at diagnosticere medicinske tilstande i plejepunkter. Smartphones er også en levedygtig løsning for sundhedspleje i udviklingslandene, fordi de tillader utrænede brugere at indsamle og overføre data til læger.

Selvom smartphone -kamerateknologi i dag tilbyder en bred vifte af medicinske applikationer såsom mikroskopi og cytometrisk analyse, i praksis, mobiltelefon billedtest har begrænsninger, der stærkt begrænser deres anvendelighed. For at håndtere disse begrænsninger kræves ekstern smartphone -hardware for at opnå kvantitative resultater - der pålægger en designafvejning mellem tilgængelighed og nøjagtighed.

Forskere fra Florida Atlantic University's College of Engineering and Computer Science har udviklet en ny mobiltelefon -billeddannelsesalgoritme, der muliggør analyse af assays, der typisk evalueres via spektroskopi, en meget sofistikeret og kraftfuld enhed, der bruges i videnskabelig forskning.

Gennem analysen af ​​mere end 10, 000 billeder, forskerne har været i stand til at demonstrere, at den mætningsmetode, de udviklede, konsekvent overgik eksisterende algoritmer under en lang række driftsfeltforhold. Deres fund, offentliggjort i tidsskriftet Analytiker af Royal Society of Chemistry, er et skridt fremad i udviklingen af ​​point-of-care diagnostik ved at reducere behovet for nødvendigt udstyr, forbedring af detektionsgrænsen, og øge præcisionen af ​​kvantitative resultater.

"Smartphone-kameraer er optimeret til billedudseende frem for til kvantitative billedbaserede målinger, og de kan ikke let omgås eller vendes. Desuden, de fleste laboratoriebaserede biologiske og biokemiske assays mangler stadig en robust og gentagelig mobiltelefonanalog, "sagde Waseem Asghar, Ph.d., hovedforfatter og en adjunkt i FAU's afdeling for computer- og elektroteknik og datalogi. "Vi har været i stand til at udvikle en mobiltelefonbaseret billedforbehandlingsmetode, der producerer en gennemsnitlig pixelintensitet med mindre afvigelser, lavere detektionsgrænser, og et højere dynamisk område end eksisterende metoder. "

Til undersøgelsen, Asghar og medforfattere Benjamin Coleman og Chad Coarsey, kandidatstuderende i Asghar Laboratory i FAU's College of Engineering and Computer Science, udførte billedoptagelse ved hjælp af tre smartphones:Android Moto G med et 5 megapixel (MP) kamera; iPhone 6 med et 12 MP kamera, og Samsung Galaxy Edge 7 med et 12 MP kamera.

De testede for billedoptagelse under forskellige forhold, målt algoritme ydeevne, testet følsomhed over for kameraafstand vippe og bevægelse, og undersøgte histogramegenskaber og koncentrationsrespons. De undersøgte også detektionsgrænse samt egenskaber ved mætning, omgivende belysningsniveauer og forhold til rød-grøn-blå (RGB) farverum. Mobiltelefonbilleder lagres indbygget som arrays med RGB -pixelintensiteter, kaldes almindeligvis farvekanaler.

Ved hjælp af flere tusinde billeder, forskerne sammenlignede mætningsanalyse med eksisterende RGB -metoder og fandt ud af, at det både analytisk og empirisk forbedrede ydeevnen i nærvær af additiv og multiplikativ støj fra omgivende lys. De viste også, at mætningsanalyse kan tolkes som en optimeret version af eksisterende RGB -forholdstest. De bekræftede, at de ideelle billedoptagelsesforhold omfatter konstant hvidt lys, en ren hvid baggrund, minimal afstand til prøven og nul vinkelforskydning af kameraet.

Asghar, Coleman og Coarsey anvendte også testen på et ELISA (enzymbundet immunosorbent assay), en pladebaseret assayteknik designet til påvisning og kvantificering af stoffer, såsom peptider, proteiner, antistoffer og hormoner. De opdagede, at for hiv, mætningsanalyse muliggjorde en udstyrsfri evaluering, og en registreringsgrænse var betydeligt lavere end hvad der i øjeblikket er tilgængeligt med RGB-metoder.

Den FAU-udviklede metode repræsenterer en forbedring af repeterbarhed, praktisk, og støjafvisning af billeder. Ud over, mætningsanalyse påvirkes ikke af mange af de største begrænsende faktorer for billedbaserede test, såsom variationer i omgivelsesbelysning, skygge, og variable lysniveauer. Forskerne forventer, at de gunstige egenskaber ved mætningsanalyse vil støde på og muliggøre mobiltelefonbillede-baserede point-of-care tests med mindre udstyr overhead og lavere detektionsgrænser.

"Den forskning, der finder sted i Asghar -laboratoriet ved Florida Atlantic University, har vigtige konsekvenser for diagnostisk medicin og levering af sundhedspleje i udviklede såvel som udviklingslande, "sagde Stella Batalama, Ph.d., dekan for FAU's College of Engineering and Computer Science. "Professor Asghar og hans team er drevet til at fortsætte med at udvikle avanceret teknologi, der har evnen til hurtigt at opdage og diagnosticere sygdomme hurtigt, præcist og billigt. Denne seneste algoritme, de har udviklet, er en af ​​de mange fremskridt, de gør på dette område. "