Регистрация / Вход
Прислать материал

Повышение качества бактериоскопической диагностики туберкулеза путем автоматизированного выделения и идентификация кислотоустойчивых микобактерий в цифровых снимках микропрепаратов

Сведения об участнике
ФИО
Соболева Виктория Олеговна
Вуз
Государственное бюджетное образовательное учреждение высшего профессионального образования "Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого" Министерства здравоохранения Российской Федерации
Тезисы (информация о проекте)
Область наук
Науки о жизни и медицина
Раздел области наук
Медицинская физика и медицинская техника
Тема
Повышение качества бактериоскопической диагностики туберкулеза путем автоматизированного выделения и идентификация кислотоустойчивых микобактерий в цифровых снимках микропрепаратов
Резюме
В работе представлены разработанные алгоритмы и компьютерная система, позволяющие в автоматическом режиме осуществлять выделение объектов в цифровых изображениях микроскопического материала и идентифицировать их в качестве кислотоустойчивых микобактерий, что позволит увеличить скорость бактериоскопической диагностики туберкулеза и снизить число ошибок, связанных с "человеческим фактором".
Ключевые слова
Туберкулез, кислотоустойчивые микобактерии, математическое моделирование, нейронные сети, автоматизированная диагностика
Цели и задачи
Цель: разработка автоматизированной компьютерной системы для выделения и идентификации кислотоустойчивых микобактерий в цифровых снимках микропрепаратов.

Задачи:
1. Разработать алгоритм выделения объектов в цифровых изображениях микроскопии диагностического материала, окрашенного по методу Циля-Нильсена.
2. Разработать алгоритм идентификации объектов в качестве кислотоустойчивых микобактерий или иных объектов (артефактов, других микроорганизмов, клеток макроорганизма).
3. Разработать компьютерную систему для автоматизации выделения и идентификации объектов в цифровых изображениях микроскопии диагностического материала, окрашенного по методу Циля-Нильсена.
Введение

В России эпидпоказатели по туберкулезу остаются на высоком уровне [1, 2]. В сравнении с Европой, заболеваемость в нашей стране в несколько раз выше [4]. В современной практике в общей лечебной сети для выявления микобактерий и постановки диагноза туберкулеза используется метод бактериоскопии. Данный метод имеет некоторые недостатки: сложная методика просмотра препаратов, что увеличивает возможность ошибки, время, необходимое на просмотр препарата и нехватка квалифицированных специалистов в общей лечебной сети. Для устранения этих недостатков необходима разработка компьютерной системы выделения и идентификации микобактерии в цифровых снимках микроскопических препаратов для повышения скорости и качества диагностики туберкулеза [3].

Методы и материалы

Для разработки алгоритма выделения объектов, использовался биологический материал (мокрота), полученный от 10 больных туберкулезом легких с уже установленным и подтвержденным заболеванием (бактериоскопическим, бактериологическим и клинико-рентгенологическими методами). Из биологического материала изготавливались мазки, окрашенные по методу Циля-Нильсена. Они также были верифицированы микробиологом. Выполнялся цифровой снимок мазков на микроскопе с увеличением х60 и цифровой камерой с разрешением 9 мегапикселей. Для идентификации объектов использовались математические модели логистической регрессии, дерева решений и искусственной нейронной сети. Окрашенные по Цилю-Нильсону мазки подвергались световой микроскопии и выполнялись фотоснимки в цифровом формате. Цифровые фотографии обрабатывались по разработанному нами алгоритму, позволяющему выделить особенности объектов микроскопии для идентификации кислотоустойчивых микобактерии.

Описание и обсуждение результатов

Разработанный алгоритм выделения объектов позволяет на основе цветовых характеристик (значения красного, зеленого, синего составляющих цвета пикселя и яркости пикселя) каждого пикселя на цифровом изображении и их отличия от цветовых характеристик фона выделять объекты на изображениях микроскопического диагностического материала. 

Для более точного выделения объектов на конкретном цифровом изображении перед непосредственным выделением объекта производится цветовая адаптация яркости и соотношения цветов. Это позволяет унифицировать алгоритм выделения объектов на цифровом изображении и избежать ошибок выделения, связанных с дефектами микроскопии и фотосъемки.

С использованием разработанного нами алгоритма выделения объектов в цифровых снимках микропрепаратов нами были выделены 5505 объектов, из которых 146 объектов являлись кислотоустойчивыми микобактериями, а 5359 – другими объектами. 

Алгоритм идентификации объектов в качестве микобактерий туберкулеза и иных объектов основан на том, что при окраске по методу Циля-Нильсена микобактерии туберкулеза окрашиваются в характерный цвет красного спектра. Помимо этого, для идентификации объектов используются более 100 морфометрических показателей, таких как длина, ширина, соотношения сторон объекта, его попиксельная площадь и так далее.

На следующем этапе исследования с использованием 114 морфометрических показателей 5505 объектов нами были построены математические модели логистической регрессии, дерева решений и искусственной нейронной сети. Полученные результаты свидетельствуют о том, что наилучшими идентификационными характеристиками обладает математическая модель искусственной нейронной сети (96,7% верной идентификации объектов). Такие идентификационные характеристики математической модели искусственной нейронной сети позволяют использовать разработанную технологию в практическом здравоохранении для выявления больных туберкулезом.

С использованием разработанного алгоритма выделения объектов на цифровых снимках микропрепаратов, окрашенных по методу Циля-Нильсена и алгоритма их идентификации с помощью математической модели искусственной нейронной сети разработана автоматизированная система выделения и идентификации кислотоустойчивых микобактерий в цифровых снимках микропрепаратов. 

Таким образом, разработанные алгоритмы позволяют осуществлять поиск и идентификацию объектов в цифровых изображениях микроскопии диагностического материала, окрашенного по методу Циля-Нильсена. Данный факт свидетельствует о возможности использования данной автоматизированной системы в учреждениях здравоохранения, осуществляющих выявление больных туберкулезом среди населения, что позволит увеличить скорость бактериоскопической диагностики данного заболевания и снизить число ошибок, связанных с человеческими факторами.

Используемые источники
1. Белиловский, Е. М. Заболеваемость туберкулезом в России: ее структура и динамика / Е. М. Белиловский, С. Е. Борисов, А. В. Дергачев // Проблемы туберкулеза и болезней легких. – 2003. – № 7. – С. 4–11.
2. Влияние факторов, связанных с профессиональной деятельностью, на риск развития туберкулеза легких / А. Н. Наркевич, Н. М. Корецкая, К. А. Виноградов [и др.] // Сибирское медицинское обозрение. – 2013. – №5. – С.49–52.
3. Tadrous P.J. Computer-assisted screening of Ziehl-Neelsen–stained tissue for mycobacteria algorithm design and preliminary studies on 2,000 Images // American journal of clinical pathology. – 2010. – №133. – p.849-858.
4. Rusen, I. D. FIDELIS—Innovative Approaches to Increasing Global Case Detection of Tuberculosis / I. D. Rusen, D. A. Enarson // American journal of public health. – 2006. – Vol. 96, № 1. – P. 14–16.
Information about the project
Surname Name
Soboleva Victoria
Project title
Quality improvement of bacterioscopic diagnostic by using automated algorithms of selection and identification of acid-fast mycobacteria in digital images of samples
Summary of the project
The paper presents the algorithms and a software system that allows automatic selection and further identification of acid-fast mycobacteria in digital images of microscopic material. In this case, the speed and quality of bacterioscopic diagnostics will improve and the number of errors related to human factors will be reduced.
Keywords
Tuberculosis, acid-fast mycobacteria, neural networks, mathematical modeling, automated diacnostic tests