1
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
2
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?
3
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.
4
Metodologia
• Proposta da solução é descrita em 3 Fases:
5
Metodologia – 1ª Fase
a)
Requisitos para o equipamento.
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.
6
Metodologia – 1ª Fase
b)
Requisitos para a fixação da webcam no microscópio
Preservar a integridade do microscópio
sem alterá-lo ou danificá-lo
Ser um sistema de fixação ajustável.
Ser um sistema de baixo custo.
7
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.
8
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.
9
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.
10
Resultados
A 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.
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
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.
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
11
Conclusões
Os primeiros resultados com o protótipo indicam que é viável a implementação
para o diagnóstico da Esquistossomose e apontam para a viabilidade de uso desta
solução 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.
12
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.
13
Agradecimentos
•
•
•
•
Constança Barbosa – CPqAM/Fio Cruz
Jones Albuquerque - UFRPE
Prof. Carmelo Bastos – UPE
Fernando e Barnabé – CPqAM/Fio Cruz
Contato:
[email protected]