an automatic proposal for diagnosis of schistosomiasis andrÉ caetano alves firmo – upe, carmelo...
TRANSCRIPT
An Automatic Proposal For Diagnosis Of Schistosomiasis ANDRÉ CAETANO ALVES FIRMO – UPE,CARMELO J. A. BASTOS FILHO - UPE,JONES ALBUQUERQUE, SILVANA BOCANEGRA - UFRPE, REINALDO SOUZA SANTOS - ENSP FIOCRUZ, CONSTANÇA S. BARBOSA - CPQAM FIOCRUZ
1
Motivação• A tarefa de contagem de ovos de S. mansoni pode ser uma atividade
árdua em muitos casos.
• Como o uso de tecnologia pode ajudar a resolver este problemas?
• A utilização de tais tecnologias pode ser empregada na rotina do diagnóstico laboratorial?
2
Introdução
• Este trabalho visa o desenvolvimento de uma solução, automatizada para a contagem dos ovos de S. mansoni nos exames parasitológicos de fezes. A solução é composta por um hardware de baixo custo e um sistema de classificação treinado a partir de uma técnica de inteligência computacional.
3
Metodologia
•Proposta da solução é descrita em 3 Fases:
4
Metodologia – 1ª Fase a) Requisitos para o equipamento.
5
Captura de imagem continuamente.
Resolução mínima de 352 x 288 pixels.
Taxa de captura de vídeo de 30 quadros por segundo (FPS).
Conectividade USB.
Baixo custo de aquisição ( valor nominal inferior a R$ 100,00).
Utilização simples e podendo ser usado em qualquer sistema operacional.
Metodologia – 1ª Fase b) Requisitos para a fixação da webcam no microscópio
6
Preservar a integridade do microscópio sem alterá-lo ou danificá-lo
Ser um sistema de fixação ajustável.
Ser um sistema de baixo custo.
Metodologia – 2ª Fase
a) Características de Haar – são retângulos compostos por áreas
claras e escuras.
b) Classificadores fracos – são algoritmos que identificam se uma
determinada entrada atende a uma característica de haar.
c) Cascata de classificadores – são vários classificadores fracos
interligados formando um classificador forte, proposto por
Viola e Jones.
7
Metodologia – 2ª Fase
d) Treinamento – o treinamento da cascata é feito selecionando
uma característica de haar para compor um classificador fraco.
Cada estágio da cascata é composto por um classificador fraco
que identifica uma única característica.
8
Metodologia – 3ª Fase Particle Swarm optimization (PSO) é uma técnica de inteligência computacional,
bioinspirada no vôo dos pássaros, comumente utilizada para resolução de
problemas de busca.
É composta por um enxame de partículas, onde cada partícula representa uma
possível solução do problema. As partículas se movimentam em função da sua
qualidade e da qualidade do enxame.
Foi utilizada esta técnica para selecionar as melhores características de haar para
Compor os classificadores fracos da cascata de classificadores.
9
ResultadosA taxa de acerto do sistema com 10 estágios e com a otimização (PSO) foi em
média 30% melhor do que com o método de Viola e Jones e 3% melhor que o GA.
Com relação à contagem dos ovos de S. mansoni o sistema obteve uma taxa de
Acerto de 33,6%, sendo justificada pela pequena quantidade do conjunto de
treinamento de menos de 10% do valor utilizado pela literatura.
10
Melhor Resultado
Viola e Jones 59,9%
PSO 87,5%
GA 84,2%
Ganho em tempo de treinamento
Viola e Jones GA
Média 40 vezes 7 vezes
Melhor 700 vezes 10vezes
Acertos Falsos Alarmes Tempo de Treinamento
Opencv 176 (0) 30636 (0) 275 s (0)
PSO 231 (31) 24931 (8846) 6,5 s (0,7)
GA 207 (79) 25833 (14368) 49,6 s
ConclusõesOs primeiros resultados com o protótipo indicam que é viável a
implementaçãopara o diagnóstico da Esquistossomose e apontam para a viabilidade de
uso destasolução para o diagnóstico de outras doenças baseadas na identificação
de organismos microscópicos. Destaca-se:
• A viabilização da exposição das imagens microscópicas a um público, servindo como instrumento para o treinamento e divulgação de novas descobertas e a criação de um banco de dados de imagens das lâminas.
• O favorecimento da implantação de uma nova metodologia de trabalho aos técnicos laboratoriais onde dentre os benefícios estão a preservação da visão e a ergonomia.
11
Conclusões• A realização dos exames em unidades móveis e com equipamentos portáteis e
de baixo custo como netbooks e webcams. • A criação de um banco de dados de resultados que pode ser integrado a um
sistema de gestão por geoprocessamento com atualização on-line. • Auditoria das etapas do exame desde a captura das imagens até o resultado. • Divulgação de resultados on-line e em tempo de processamento entre várias
unidades móveis à uma base centralizada. • A viabilidade da fabricação de um sistema embarcado, portátil e de baixo
custo capaz de realizar a contagem dos ovos de S. mansoni dispensando o uso do microscópio.
12
Agradecimentos
•Constança Barbosa – CPqAM/Fio Cruz•Jones Albuquerque - UFRPE•Prof. Carmelo Bastos – UPE•Fernando e Barnabé – CPqAM/Fio Cruz
Contato:[email protected]
13