Malaria Journal volume 21, Numero articolo: 74 (2022 ) Cita questo articoloL'Organizzazione Mondiale della Sanità (OMS) fornisce protocolli per la diagnosi della malaria.Uno di questi è relativo al processo di colorazione dei campioni di sangue per garantire la corretta visualizzazione del parassita.Garantire la qualità della procedura di colorazione su strisci di sangue densi (TBS) è un compito difficile, soprattutto nei centri rurali, dove ci sono fattori che possono influenzare la qualità dello striscio (ad es. tipi di reagenti utilizzati, luogo di preparazione del campione, tra gli altri).Questo lavoro presenta un'analisi di un approccio basato su immagini per valutare la qualità della colorazione del processo di colorazione della TBS utilizzato per la diagnosi della malaria.Secondo l'OMS, ci sono diversi descrittori della qualità della colorazione delle macchie.Tra questi, il colore di sfondo è uno dei migliori indicatori dell'efficacia del processo di colorazione.È stato creato un database di immagini con 420 immagini (corrispondenti a 42 campioni di TBS) per analizzare e testare algoritmi basati su immagini per rilevare la qualità della colorazione di TBS.Sono state esplorate tecniche di segmentazione dello sfondo (basate sugli spazi colore RGB e HSV) per separare le informazioni di sfondo e in primo piano (leucociti, piastrine, parassiti).Quindi, sono state esplorate diverse caratteristiche (PCA, correlazione, istogrammi, varianza) come criteri di immagine della qualità della colorazione sulle informazioni di sfondo estratte;e valutati in base alla loro capacità di classificare le immagini come con qualità di colorazione buona o cattiva da TBS.Per la segmentazione dello sfondo, è stato selezionato un approccio basato sulla soglia nei componenti SV dello spazio colore HSV.Ha fornito robustezza separando le informazioni di sfondo indipendentemente dalla qualità della sua colorazione.D'altra parte, come criterio di qualità della colorazione dell'immagine, tra i 19 vettori di caratteristiche esplorati, il migliore corrisponde all'istogramma a 15 bin della componente Hue con tassi di classificazione > 97%.È stata presentata un'analisi di un approccio basato su immagini per descrivere la qualità della colorazione di TBS.È stato dimostrato che se viene condotta una solida segmentazione dello sfondo, l'istogramma della componente H dello spazio colore HSV è il miglior vettore di caratteristiche per discriminare la qualità della colorazione degli strisci.Questi risultati sono la base per automatizzare la stima della qualità della colorazione, che non è stata studiata prima, ma che può essere cruciale per automatizzare l'analisi di TBS per assistere il processo di diagnosi della malaria.La malaria è una malattia infettiva e uno dei più importanti problemi di salute pubblica a livello mondiale.Cinque specie di parassiti causano la malaria umana del genere Plasmodium, vale a dire Plasmodium vivax, Plasmodium falciparum, Plasmodium malariae, Plasmodium ovale e Plasmodium knowlesi. Secondo l'Organizzazione Mondiale della Sanità (OMS), nel 2019 sono stati stimati 228 milioni di casi di malaria nel mondo.Nella maggior parte dei paesi in cui la malaria è endemica, la trasmissione avviene nelle aree rurali dove la copertura della rete dei laboratori è debole o non esiste [1].Attualmente, ci sono due metodi microscopici principali della malaria: analisi di strisci di sangue densi o strisci di sangue sottile.L'analisi degli strisci di sangue spesso (TBS) è il metodo di riferimento scelto come prima opzione per la diagnosi della malaria in tutto il mondo [2].In questo metodo, dopo che un campione di sangue è stato prelevato e asciugato, il TBS viene colorato.In Colombia, il tipo di colorante utilizzato per colorare i campioni è Romanowsky modificato.È una macchia che non include nella sua composizione sostanze derivate dall'alcol come il metanolo, non precipita facilmente, oltre ad essere un'opzione economica di buona qualità, raccomandata dall'OMS e dall'INS [3,4,5,6].Dopo il processo di colorazione, lo striscio viene analizzato visivamente al microscopio, dove vengono identificati e contati parassiti e leucociti.Per il processo di diagnosi della malaria, l'OMS fornisce protocolli per ottenere il campione di sangue, condurre il suo processo di colorazione, stimare la parassitemia e protocolli per la conservazione del campione analizzato [1, 7].Nei rapporti pubblicati, l'OMS ha sottolineato la necessità che tutti i laboratori responsabili della diagnosi della malaria rispettino pienamente una rigorosa ispezione delle tecniche diagnostiche che implementano al fine di garantire la corretta diagnosi della malattia [3].Tuttavia, nei centri diagnostici rurali la copertura dell'attenzione della rete dei laboratori è debole o addirittura inesistente [8], il che rende difficile soddisfare le raccomandazioni fornite dall'OMS in base alla gestione del campione, alla colorazione e alle procedure diagnostiche.Quando uno striscio non è macchiato correttamente, è difficile identificare visivamente i parassiti.La qualità degli strisci di sangue densi può essere influenzata dai seguenti fattori: la qualità della macchia, il tempo e il luogo di conservazione della macchia, la concentrazione della macchia, il pH della soluzione colorante e dell'acqua utilizzata per risciacquare lo striscio.Indirettamente, fattori come la disponibilità limitata di materiali, le condizioni e il luogo di preparazione del campione e il numero di pazienti da assistere (personale insufficiente per garantire il tempo necessario per la colorazione degli strisci) possono influenzare la procedura di colorazione.I fattori menzionati in precedenza sono comuni nei centri diagnostici rurali, dove i pazienti percorrono lunghe distanze per ricevere la diagnosi [6, 8,9,10].L'elaborazione delle immagini è stata utilizzata nel corso degli anni per la diagnosi e la classificazione dei parassiti.Tuttavia, a conoscenza degli autori, l'elaborazione delle immagini non è stata ancora utilizzata dalla comunità di ricerca per valutare la procedura di colorazione dello striscio.Quest'ultimo è fondamentale per garantire la visualizzazione del parassita al microscopio.Le tecniche di visione artificiale applicate al rilevamento e alla classificazione dei parassiti negli strisci di sangue sono state utilizzate in studi precedenti come risposta alla necessità di nuove alternative per raggiungere la riduzione della malaria entro il 2030 [11].Le caratteristiche delle immagini come colore, consistenza, forma e dimensione combinate con tecniche di apprendimento automatico sono comunemente utilizzate per il rilevamento dei parassiti.Ad esempio, Hanif et al.[12] e Salama et al.[13] hanno utilizzato funzioni basate su istogrammi per il rilevamento dei parassiti della malaria.Questi studi hanno utilizzato rispettivamente la segmentazione basata sulla soglia e gli istogrammi basati sul colore.L'analisi della qualità della colorazione negli strisci di sangue densi utilizzati nella diagnosi della malaria è un campo inesplorato.Richiede attenzione perché l'identificazione e il conteggio dei parassiti possono essere influenzati dalla colorazione dello striscio.Tenendo conto dell'influenza della procedura di colorazione in tutto il processo di diagnosi della malaria, lo scopo di questo lavoro è analizzare un approccio basato su immagini per descrivere la qualità della colorazione degli strisci di sangue densi colorati con la colorazione di Romanowsky.L'analisi della colorazione può essere utile per valutare indirettamente la qualità e l'affidabilità dei risultati diagnostici.In questo lavoro, vengono presi in considerazione i criteri biologici che definiscono la qualità negli strisci di sangue densi e vengono esplorati diversi algoritmi per trovare criteri basati su immagini per definire la qualità della colorazione dello striscio.La metodologia in tre fasi presentata in Fig. 1 è stata seguita per studiare un approccio basato sull'immagine per valutare la qualità della colorazione del processo di colorazione negli strisci di sangue densi (colorati con la colorazione di Romanowsky modificata).Il primo passaggio corrisponde alla creazione di un database con immagini di strisci di sangue densi con una qualità di colorazione buona e cattiva.Questo database consente l'esplorazione e la valutazione di diversi approcci basati su immagini.La seconda fase corrisponde all'analisi dei criteri di qualità della colorazione esistenti utilizzati nei laboratori per valutare la qualità degli strisci di sangue densi (compresa l'analisi del fondo del campione, l'analisi del colore dei leucociti, la forma del citoplasma).Questo passaggio consente di trovare quale di questi criteri potrebbe essere utilizzato per identificare la qualità della colorazione utilizzando solo i dati dell'immagine.Infine, il terzo passaggio corrisponde all'identificazione di criteri basati sull'immagine per valutare la qualità della colorazione.Sono state testate diverse tecniche di elaborazione basate su immagini per selezionare finalmente le caratteristiche più adatte per identificare la qualità della colorazione.Passaggi metodologici seguiti per studiare la qualità della colorazione negli strisci di sangue densi utilizzati per la diagnosi della malariaIl database di immagini è stato creato per progettare e valutare diverse strategie basate su immagini che aiutano a determinare la qualità della procedura di colorazione degli strisci di sangue densi.Attualmente, non ci sono studi disponibili in letteratura che utilizzino database con immagini di strisci di sangue densi colorati con la colorazione di Romanowsky.La maggior parte degli articoli pubblicati ha studiato strisci di sangue densi per il rilevamento di parassiti utilizzando il colorante Giemsa [14,15,16,17] e il colorante Jaswant Singh Battacharya [18].In questi casi, il database non è stato offerto al pubblico dominio e, nella maggior parte di essi, il numero di immagini utilizzate è basso (es. 75 – 256 immagini, ad eccezione del lavoro pubblicato da Yang et al. [15] dove il database consisteva in un totale di 1819 immagini).Il controllo del processo di acquisizione delle immagini è stato un fattore essenziale per garantire la ripetibilità di questo studio.Oltre alla variabilità della colorazione in un'immagine dovuta al processo di preparazione dello striscio di sangue sopra menzionato, fattori come la quantità di luce che passa attraverso gli oculari del microscopio, l'obiettivo, la fotocamera e i tipi di microscopio possono influenzare le informazioni sul colore dell'immagine .Per questo motivo, le immagini sono state catturate seguendo parametri specifici per garantire che le immagini acquisite contenessero le stesse informazioni sul colore di quella vista al microscopio.Per creare il database è stato utilizzato il microscopio ottico illuminato a LED (Axio Zeiss Scope.A1, Carl Zeiss, Germania) mostrato in Fig. 2.Poiché si tratta di un microscopio illuminato a LED, non era necessario il filtro blu tra la sorgente luminosa e il condensatore.La figura mostra anche la lente del microscopio 100X utilizzata per la visualizzazione microscopica (Riferimento: Obiettivo-lente A-Plan 100x/1,25 Oil M27, Marca: Carl Zeiss, Paese: Germania) ed esempi di immagini microscopiche di strisci di sangue densi.Un microscopio ottico utilizzato per creare il set di dati di strisci di sangue densi.È un Axio Zeiss Scope A1.Le frecce rosse indicano le parti del microscopio che erano importanti per la creazione del set di dati [8].Le immagini a destra corrispondono a immagini microscopiche di striscio di sangue denso con una buona qualità della colorazione.Le caselle colorate mostrano le fasi del ciclo di vita del parassita P. vivax come si vede al microscopio.Il quadrato giallo mostra il trofozoite;rosso, lo schizonte;e verde, lo stadio dei gametociti.Risoluzione: 1000X.Riferimento: AutoreLa quantità di regolazioni che il microscopista deve apportare all'illuminazione del microscopio è una variabile che può essere correlata alla qualità della colorazione dello sfondo negli strisci di sangue.A seconda dello spessore e della quantità di macchia, uno striscio di sangue macchiato può richiedere una quantità significativa di luce per visualizzare il campione.Per il dataset dell'immagine sono stati controllati diversi elementi dal microscopio per garantire condizioni di illuminazione simili durante l'acquisizione delle immagini:Inserto riflettore: questo elemento è stato mantenuto al centro per evitare modifiche alle condizioni di luce.Diaframma di campo: questo elemento è stato mantenuto nel suo punto di massima apertura.Pomello del cambio per la regolazione verticale del condensatore: questo elemento è stato mantenuto il più vicino possibile allo striscio di sangue denso.Condensatore con diaframma di apertura: questo elemento è stato mantenuto al centro per evitare modifiche nelle condizioni di luce.Controllo dell'intensità luminosa: questo elemento è stato utilizzato per standardizzare la quantità di luce attraverso gli oculari.La quantità di luce è stata determinata utilizzando un esposimetro (Modello 407026, Extech\(^{TM}\) , USA).Una media di 22,4 lux era la quantità di luce definita.Questo valore è stato stabilito secondo le raccomandazioni fornite dai professionisti incaricati della diagnosi della malaria presso l'Istituto Sanitario Nazionale della Colombia (INS).La popolazione in studio corrisponde a casi di malaria dovuti a P. vivax negli anni 2017 e 2018. Il Plasmodium vivax è il parassita predominante nella regione dell'OMS delle Americhe, rappresentando il 75% dei casi di malaria [1].È stato utilizzato un set completo di 42 strisci di sangue densi utilizzati per la diagnosi della malaria (non tutti i campioni sono infettati dal parassita della malaria).Da quei campioni sono state ottenute 420 registrazioni fotografiche (10 immagini di campi diversi per diapositiva).I campi acquisiti corrispondono a campi situati vicino al centro del campione per garantire l'uniformità delle immagini (nelle regioni periferiche, lo spessore del sangue può variare).Delle 420 immagini, 210 corrispondono a immagini con una buona qualità di colorazione e 210 con una cattiva qualità di colorazione (classi bilanciate).La classificazione degli strisci di sangue densi (buona o cattiva qualità) è stata definita in base al colore di fondo del campione visualizzato al microscopio e secondo la descrizione della colorazione definita dall'INS-Colombia [8] che segue quella fornita dall'OMS [2, 4] e utilizzato anche in altre opere [19, 20].Se lo sfondo si presentava di colore rosa o azzurro con aree rosa nel campo microscopico, veniva considerato di cattiva qualità.In caso contrario, l'immagine è stata classificata con una buona qualità della colorazione.Diversi fattori influenzano la qualità della colorazione dello striscio di sangue denso: errori nel pH della soluzione colorante, errori nel tempo di colorazione e lo spessore del campione.Sfondo di striscio rosa.Questo colore potrebbe essere dovuto al fatto che il pH della soluzione colorante è acido o il tempo di colorazione non è stato sufficiente o lo spessore dello striscio era leggero.Con questo tipo di fondo è molto probabile che si ottenga una scarsa differenziazione tra la cromatina dei parassiti e gli artefatti presenti nel campione.Lo sfondo rosa non consente l'identificazione di elementi biologici così rapidamente come lo sfondo blu.Ad esempio, la cromatina del parassita e gli artefatti circolari possono sembrare molto simili tra loro senza lo sfondo appropriato.Sfondo blu.È meno probabile che il pH della soluzione sia preparato male come nelle macchie rosa.Con uno sfondo blu e un tipo di luce a LED (come utilizzato in questa ricerca), è più facile vedere e distinguere i parassiti dalle altre particelle (come artefatti) presenti nel campione.Le immagini sono state etichettate da personale certificato nell'identificazione degli stadi del parassita della malaria (uno degli autori: WM Fong Amaris) utilizzando lo strumento di etichettatura basato sul web denominato Labelbox [21].Le immagini acquisite al microscopio ottico hanno 2056 x 2452 pixel e sono state salvate in formato PNG (Portable Network Graphics).A seconda della qualità della procedura di colorazione, ovvero in base alla qualità della colorazione risultante dallo striscio di sangue denso, i parassiti possono essere facilmente rilevati o meno.Diversi fattori indicano quanto è buona la qualità della colorazione, come ad esempio:Colore di sfondo della macchia.Colore del nucleo e del citoplasma dei leucociti e parassiti percepito al microscopio.Colore e morfologia delle piastrine.La Figura 2 mostra due immagini microscopiche che corrispondono a strisci di sangue densi con una buona qualità della colorazione, dove i parassiti possono essere facilmente identificati [8].Da questa figura è possibile vedere esempi degli stadi del ciclo vitale del parassita Plasmodium vivax (i quadrati gialli e rossi corrispondono rispettivamente agli stadi trofozoite e schizonte. Il quadrato verde rappresenta lo stadio dei gametociti).I criteri standard definiti dall'OMS e dalle istituzioni sanitarie nazionali per definire la qualità dei campioni di striscio di sangue denso sono stati analizzati e confrontati con i criteri utilizzati nei laboratori sul campo.L'analisi è stata condotta per definire il criterio di qualità critico che può essere utilizzato per automatizzare il processo di determinazione della qualità dei campioni di striscio di sangue denso utilizzando solo dati di immagine.L'OMS [2], l'INS-Colombia (Istituto Nazionale di Sanità) [8], Field [19] e López [20], hanno segnalato criteri di colorazione che dovrebbero essere rispettati per garantire un'efficace diagnosi della malaria.L'elenco seguente corrisponde agli elementi che possono essere visualizzati in un campo microscopico da strisci di sangue densi e al loro aspetto atteso se il processo di colorazione è stato seguito attentamente.Piastrine: dal rosa intenso al viola con puntinatureLeucociti: citoplasma rosa pallido e nucleo blu.Circa 10-20 leucociti per campo microscopico.A seconda del leucocita, presenterà granulazione.Nucleo o cromatina: punti di cromatina rossi o viola con citoplasma blu attaccato o presenza di un punto di cromatina attaccato a un anello di citoplasma blu che può o non può contenere un vacuolo.Citoplasma: citoplasma blu irregolare o frammentato.Pigmento: giallo paglierino o marrone intenso.Inoltre, la tabella 1 mostra un esempio del colore previsto in alcuni degli elementi elencati in precedenza.Nei laboratori da campo preposti alla diagnosi della malaria, alcuni dei criteri standard sopra descritti sono quelli utilizzati come indicatori della qualità del campione.I principali fattori utilizzati sono: la mancata visualizzazione degli eritrociti sullo sfondo del campione, il colore di sfondo blu, il colore della cromatina del parassita (deve essere rosso o rosso porpora) e, il colore del nucleo dei leucociti che deve essere blu o viola [2, 8].L'analisi condotta secondo criteri seguiti dai laboratori sul campo indica che l'aspetto del fondo dello striscio è una delle caratteristiche più determinanti della qualità dello striscio oltre alle caratteristiche biologiche.Tuttavia, è importante ricordare che, in pratica, il giudizio assoluto e determinante sulla qualità della colorazione del campione colorato viene dichiarato solo dopo la sua visualizzazione microscopica.Pertanto, una cattiva qualità della colorazione potrebbe influenzare il processo di diagnosi della malaria aggiungendo confusione ai microscopisti durante il processo di identificazione del parassita.Come accennato in precedenza, una procedura di colorazione scadente influisce sulla qualità dello striscio di sangue e, pertanto, avrà un impatto sul processo di diagnosi della malaria.Questo documento esplora diverse caratteristiche basate su immagini per stimare automaticamente la qualità della colorazione da immagini microscopiche di striscio di sangue denso.Il toolbox di elaborazione delle immagini MATLAB è stato utilizzato per condurre l'analisi [22].Sia i criteri biologici di qualità che i criteri utilizzati nei laboratori sul campo hanno mostrato che l'aspetto dello striscio di fondo è una caratteristica fondamentale per valutare la qualità della colorazione.Pertanto, dalle immagini microscopiche del TBS, le informazioni di base sono state separate dalle informazioni in primo piano (leucociti, parassiti e piastrine) per garantire che l'analisi basata sull'immagine sia condotta solo sulle informazioni di base.Per ottenere ciò, è stata analizzata una procedura di segmentazione in diversi spazi colore basata sulla soglia manuale dell'immagine.Sono state utilizzate diverse componenti degli spazi colore RGB e HSV, sulla base di precedenti risultati ottenuti in letteratura nell'area della diagnosi della malaria basata su immagini [15,16,17,18, 23,24,25,26,27,28, 29].La figura 3 mostra esempi delle immagini ottenute nelle diverse fasi del processo di segmentazione.La prima immagine corrisponde all'immagine originale in RGB.La seconda immagine corrisponde all'immagine nello spazio colore HSV.La terza è l'immagine ottenuta dopo il thresholding, dove le informazioni di sfondo appaiono in bianco e il primo piano (leucociti, parassiti e piastrine) in nero.Infine, la quarta immagine mostra l'immagine originale nello spazio colore HSV, senza le informazioni in primo piano.Questa immagine è quella utilizzata per analizzare la qualità della colorazione.Si ottiene moltiplicando l'immagine con soglia per quella originale.Processo di segmentazione in background.Da sinistra a destra, la figura mostra l'immagine microscopica originale in RGB, l'immagine nello spazio colore HSV, l'immagine con soglia (le informazioni di sfondo appaiono bianche e nere) e l'ultima immagine mostra le informazioni di sfondo nello spazio colore HSV utilizzate per analizzare la qualità della colorazioneSono stati condotti diversi test per identificare la migliore strategia per segmentare lo sfondo dello striscio.La sezione descrive i risultati.Dopo aver applicato il processo di sogliatura sopra descritto, sono state analizzate le informazioni sul colore dell'immagine risultante (immagine originale senza elementi in primo piano).L'analisi si è concentrata sulla ricerca delle differenze tra le informazioni presenti sullo sfondo delle immagini con una buona e una cattiva qualità della colorazione.L'analisi è stata condotta utilizzando immagini di strisci di sangue spessi del pattern dell'INS-Colombia (utilizzati per valutare i centri diagnostici del paese) e immagini dei laboratori sul campo: cinque immagini del pattern con una buona qualità della colorazione;e 10 immagini da laboratori sul campo, 5 con qualità di colorazione buone e 5 con cattive qualità.Per l'analisi è stata utilizzata la distribuzione del colore degli spazi colore HSV e GGB (che sono tipicamente utilizzati dalla comunità di ricerca per le diverse fasi della diagnosi della malaria [15, 17, 18, 29]).Di conseguenza, è stato riscontrato che la distribuzione delle informazioni sul colore degli istogrammi cambia in base alla qualità della colorazione dello striscio.I componenti H e S dello spazio colore HSV erano quelli che riflettevano meglio un cambiamento nella distribuzione del colore.La distribuzione dei dati nello spazio colore GGB non ha fornito un modo per differenziare le due classi di qualità dello sfondo.Sulla base di questi risultati, il processo di estrazione delle caratteristiche si è concentrato sullo spazio colore HSV.Sono stati studiati 19 diversi vettori di caratteristiche basati su varianze, coefficienti di correlazione e istogrammi (variabili specifiche da istogrammi, istogrammi completi e componenti principali degli istogrammi).I vettori delle caratteristiche sono stati analizzati visivamente per vedere la loro capacità di classificare le immagini in due classi: buona e cattiva qualità della colorazione.Istogrammi completi: l'istogramma completo è stato analizzato come vettore di caratteristiche per testarne l'utilità come indicatore della qualità della colorazione negli strisci di sangue densi.Sono stati estratti i singoli componenti H e S dallo spazio colore HSV.Allo stesso modo, è stato deciso di combinare le componenti H e S (HS) come un unico vettore di caratteristiche.Questo HS si riferisce alla somma delle componenti H e S separatamente.Sono state anche confrontate le differenze tra l'utilizzo degli istogrammi completi con 256 bin o solo 16, al fine di verificare se la distribuzione dei dati dall'istogramma completo può essere mantenuta utilizzando un numero inferiore di bin, come è stato riportato in studi precedenti [9, 30].In tutti gli istogrammi, il primo bin è stato rimosso perché corrisponde agli elementi in primo piano che erano sogliati (pixel neri).La componente V dello spazio colore HSV non è stata utilizzata nell'analisi perché le informazioni V non sembrano cambiare con la qualità della colorazione.Variabili specifiche dall'istogramma (H, S, V): è stata condotta una procedura di analisi statistica discriminante per selezionare da ciascuna componente dello spazio colore HSV le migliori caratteristiche che forniscono maggiori informazioni sulla qualità della colorazione di sfondo in TBS.È stato utilizzato l'istogramma completo con 255 contenitori (dopo aver rimosso il contenitore 1).Questa analisi è stata eseguita utilizzando il software statistico SPSS\(^{\text{\textregistered} }\) Statistics for Windows, Version 25.0, Armonk, NY: IBM Corp [31].I dettagli del processo si trovano in [32].L'analisi dei componenti principali (PCA) è una tecnica utilizzata per ridurre la dimensionalità dei dati multidimensionali.Questo processo genera un nuovo insieme di dati di variabili denominate componenti principali [33].Il PCA è stato applicato agli istogrammi H, S e HS (quelli con 15 contenitori) e i primi 3 componenti PCA sono stati estratti e selezionati per l'analisi.La PCA è stata applicata utilizzando dati normalizzati e non normalizzati.Inoltre, i vettori di caratteristiche ottenuti sono stati combinati in un vettore di caratteristiche come un'altra caratteristica indipendente, come illustrato nella Tabella 2.Anche le varianze degli istogrammi H, S e HS (255 bin) sono state analizzate come caratteristiche.In questo caso, in primo luogo, sono stati estratti i valori degli istogrammi dalle componenti combinate H, S e HS dello spazio colore HSV come vettori di caratteristiche.È stato utilizzato il vettore di caratteristiche HS per utilizzare i valori H e S combinati in una variabile.In base a ciascun vettore di caratteristiche, sono state analizzate come caratteristiche anche le varianze degli istogrammi H, S e HS (255 bin).La tabella 2 mostra i vettori di funzionalità creati con queste funzionalità.Sono stati ottenuti coefficienti di correlazione, confrontando le immagini del set di dati con un'immagine di riferimento o un modello di immagine.Questo modello di immagine è stato creato utilizzando strisci di sangue densi di riferimento con una buona qualità di colorazione, donati dall'INS-Colombia, utilizzati come verità di base per valutare i protocolli seguiti sui laboratori sul campo.Dai 5 strisci di riferimento sono state acquisite in totale 50 immagini con una buona qualità di colorazione (10 per striscio).È stato ottenuto un istogramma medio dalle immagini del modello (\(\hbox {H}_{av}\) , S\(_{av}\) e \(\hbox {HS}_{av}\) ), e i coefficienti di correlazione sono stati calcolati confrontando l'istogramma del pattern medio con l'istogramma di ciascuna immagine del database.La tabella 2 mostra i vettori di funzionalità creati con queste funzionalità.Per selezionare i criteri di qualità dell'immagine per lo sfondo di strisci di sangue densi, abbiamo seguito un processo in due fasi presentato in Fig. 1: (1) segmentazione dello sfondo e (2) estrazione delle caratteristiche.Questa sezione presenta gli esperimenti condotti per trovare e valutare il miglior algoritmo per la segmentazione dello sfondo e la migliore tecnica di estrazione delle caratteristiche.In questo documento, le informazioni sul colore di sfondo delle immagini TBS microscopiche vengono utilizzate per analizzare la qualità dello striscio.Per estrarre le informazioni di base dal primo piano (piastrine, parassiti, ma soprattutto leucociti), sono state esplorate le tecniche di soglia.È stata condotta un'analisi esplorativa con gli spazi colore HSV e RGB per trovare la soglia migliore e lo spazio colore migliore.La valutazione si è basata sulla capacità di segmentazione.Il miglior spazio colore è stato accuratamente selezionato, assicurando che i leucociti colorati non fossero confusi come informazioni di base.Per questa analisi, il National Reference Laboratory-LNR dell'INS-Colombia ha fornito TBS di riferimento, 5 di buona qualità di colorazione e 5 di cattiva qualità di colorazione, entrambi provenienti da laboratori sul campo.È stata catturata un'immagine per striscio, che è stata utilizzata per la selezione della soglia e la valutazione della segmentazione.Inoltre, sono state applicate sei trasformazioni alle immagini originali utilizzando gli spazi colore RGB e HSV, quindi l'immagine risultante è stata ridotta.È stato selezionato il miglior valore di soglia che segmenta meglio le informazioni di sfondo dal primo piano e può generalizzare per entrambi gli scenari, per TBS con una buona qualità di colorazione e una cattiva qualità di colorazione.Le sei trasformazioni sono state:RGB/Grigio/Soglia: l'immagine RGB è stata trasformata in scala di grigi e quindi ridotta.HSV/Grigio/Soglia: l'immagine RGB è stata trasformata nello spazio colore HSV, quindi in scala di grigi e infine con soglia.SV/Soglia: l'immagine RGB è stata trasformata nello spazio colore HSV.Da questa immagine, i pixel con valori S e V che ricadono sotto una determinata soglia sono considerati sfondo, altrimenti primo piano.Soglia H: l'immagine RGB è stata trasformata nello spazio colore HSV.Da questa trasformazione è stata sogliata solo la componente H.Soglia S/S: l'immagine RGB è stata trasformata nello spazio colore HSV.Da questa trasformazione è stata sogliata solo la componente S.Soglia V: l'immagine RGB è stata trasformata nello spazio colore HSV.Da questa trasformazione è stata sogliata solo la componente VI risultati della segmentazione sono stati analizzati visivamente.La tabella 3 mostra i risultati del processo di soglia quando si applicano diverse trasformazioni all'immagine originale.Sono stati selezionati i migliori risultati in base alla loro capacità di segmentazione.Le componenti S e V combinate (SV) sono state le componenti che hanno mostrato i migliori risultati di segmentazione in contrasto con le altre (Tabella 3).Tali componenti hanno mostrato una capacità di segmentazione dello sfondo simile per immagini di strisci di sangue densi di buona e cattiva qualità.Al contrario, gli altri spazi colore si mescolavano con le informazioni di sfondo.Per valutare quantitativamente i risultati di segmentazione ottenuti nella sezione precedente, è stata effettuata una verifica numerica del numero di leucociti segmentati.In ciascuna immagine con soglia ottenuta da ciascuna combinazione di spazi colore, il numero di leucociti è stato contato manualmente e confrontato con i dati di verità del suolo (il numero totale di leucociti presenti nell'immagine).È stato calcolato il tasso di vero positivo (vedi tabella 4).Di conseguenza, la strategia "SV + Soglia" è stata la migliore per estrarre le informazioni di background senza mescolare le informazioni in primo piano.Questo risultato corrisponde a quello riscontrato con la valutazione visiva delle immagini, condotta in precedenza.Sono stati selezionati diversi vettori di funzionalità, riassunti nella Tabella 2. Per determinare i migliori vettori di funzionalità, è stato utilizzato The Machine Learning Matlab [22] Toolbox per addestrare 23 diversi classificatori disponibili nella casella degli strumenti (Fig. 33).Da questo test sono stati selezionati i migliori quattro vettori di caratteristiche e i migliori classificatori che possono essere utilizzati per stimare automaticamente la qualità della colorazione da immagini di strisci di sangue densi.I test sono stati condotti utilizzando le 420 immagini del test impostato dal database.Per valutare i risultati sono stati analizzati il ​​TNR (True Negative Rate), il TPR (True Positive Rate) e il punteggio F1.Tuttavia, il TNR è stato considerato la metrica più critica.Questo a causa delle implicazioni dei risultati.Un'analisi della qualità della colorazione falsa negativa (prevedere una buona qualità quando la qualità della colorazione reale è scadente) potrebbe avere effetti pericolosi sulla salute del paziente.Quest'ultimo, perché uno striscio non colorato correttamente può indurre un errore nella rilevazione del parassita, e quindi può comportare errori nel calcolo del dosaggio ai pazienti, oltre a errori nel calcolo della densità del parassita.Dai 19 vettori di caratteristiche che sono stati testati, la Tabella 5 presenta i risultati di alcuni di essi.Le prime quattro righe mostrano i vettori delle caratteristiche con i migliori risultati (>96%).Le ultime due righe mostrano i vettori di caratteristiche che hanno ottenuto i tassi più bassi (<91%) da utilizzare come riferimento.La terza colonna della tabella riporta il nome del classificatore che ha ottenuto i risultati migliori.Una scoperta interessante è che i risultati migliori (le prime quattro righe) corrispondono a vettori di caratteristiche che includono, in tutti i casi, la componente H dello spazio colore HSV, che è la componente che contiene le informazioni sul colore.Infine, è stato selezionato il miglior vettore di caratteristiche considerando la distribuzione dei dati nello spazio delle caratteristiche, ma soprattutto i tassi di classificazione.I migliori risultati sono stati ottenuti con l'istogramma a 15 bin del canale Hue, il \(\hbox {Hist}_{15-}\) H. Questo vettore di caratteristiche era quello che permetteva la separazione tra le classi (colorazione buona/cattiva qualità) con un \(\hbox {TPR} =97\%\) , \(\hbox {TNR} = 99\%\) e \(\text {F1-score} = 97\%\) .Nell'analisi microscopica di strisci di sangue densi per la diagnosi della malaria, lo sfondo è una delle caratteristiche più importanti che consentono di esprimere un giudizio determinante sulla qualità della colorazione dello striscio.2018.2019;Puoi anche cercare questo autore in PubMed Google ScholarPuoi anche cercare questo autore in PubMed Google ScholarPuoi anche cercare questo autore in PubMed Google ScholarPuoi anche cercare questo autore in PubMed Google ScholarSpringer Nature rimane neutrale riguardo alle rivendicazioni giurisdizionali nelle mappe pubblicate e nelle affiliazioni istituzionali.Accesso aperto Questo articolo è concesso in licenza in base a una licenza internazionale Creative Commons Attribution 4.0, che consente l'uso, la condivisione, l'adattamento, la distribuzione e la riproduzione in qualsiasi mezzo o formato, purché si attribuisca un credito appropriato all'autore originale e alla fonte, fornire un collegamento alla licenza Creative Commons e indicare se sono state apportate modifiche.Le immagini o altro materiale di terze parti in questo articolo sono inclusi nella licenza Creative Commons dell'articolo, se non diversamente indicato in una linea di credito al materiale.Se il materiale non è incluso nella licenza Creative Commons dell'articolo e l'uso previsto non è consentito dalla normativa legale o supera l'uso consentito, sarà necessario ottenere l'autorizzazione direttamente dal titolare del copyright.Per visualizzare una copia di questa licenza, visitare http://creativecommons.org/licenses/by/4.0/.Ai dati messi a disposizione in questo articolo si applica l'esenzione dalla Dedicazione di dominio pubblico di Creative Commons (http://creativecommons.org/publicdomain/zero/1.0/), salvo diversa indicazione in una linea di credito ai dati.Chiunque condivida il seguente link potrà leggere questo contenuto:Spiacenti, un link condivisibile non è attualmente disponibile per questo articolo.Fornito dall'iniziativa di condivisione dei contenuti Springer Nature SharedItUtilizzando questo sito Web, accetti i nostri Termini e condizioni, l'Informativa sulla privacy della California, l'Informativa sulla privacy e la politica sui cookie.Gestisci i cookie/Non vendere i miei dati che utilizziamo nel centro delle preferenze.© 2022 BioMed Central Ltd se non diversamente indicato.Parte di Springer Nature.