DETECÇÃO E CONTAGEM AUTOMÁTICAS DE BACILOS ÁLCOOL ÁCIDO RESISTENTES PARA O DIAGNÓSTICO DA TUBERCULOSE
DOI :
https://doi.org/10.70493/cod31.v1i1.9288Mots-clés :
contagem automática de bacilos ácido álcool resistentes, diagnóstico da tuberculose, visão computacional, aprendizado profundoRésumé
Este artigo apresenta a pesquisa em andamento para o desenvolvimento de um sistema automático de detecção e contagem de bacilos resistentes ao álcool ácido (BAAR), para o diagnóstico da tuberculose (TB), com suas etapas de desenvolvimento e testes realizados, bem como a metodologia que está sendo adotada. A primeira versão do software foi apoiada por técnicas de visão computacional e processamento digital de imagens, para segmentar e detectar bacilos. Em uma evolução posterior, o aprendizado de máquina e o aprendizado profundo foram adotados para realizar a detecção. Para isso, foi construído um banco de imagens e estão sendo testadas as configurações do novo método de análise.
Références
BA, F.; RIEDER, H. L. A comparison of fluorescence microscopy with the Ziehl-Neelsen technique in the examination of sputum for acid-fast bacilli. The International Journal of Tuberculosis and Lung Disease, v. 3, n. 12, p. 1101-1105, 1999.
BOCHKOVSKIY, A.; WANG, C. Y.; LIAO, H.-Y. M. YOLOv4: Optimal Speed and Accuracy of Object Detection. arxiv.org, 2020. Disponível em: arXiv:2004.10934 .
BRASIL/MS/SVS/DVE. Manual Nacional de Vigilância Laboratorial da Tuberculose e outras microbactérias. Brasília: Ministério da saúde, 2008. 436 p.
BRASIL. Ministério da Saúde. Secretaria de Vigilância em Saúde. Departamento de Doenças de Condições Crônicas e Infecções Sexualmente Transmissíveis. Brasil Livre da Tuberculose: Plano Nacional pelo Fim da Tuberculose como Problema de Saúde Pública – estratégias para 2021-2025. Brasília, DF: Ministério da Saúde, 2021. Disponível em: https://www.gov.br/aids/pt-br/assuntos/tuberculose/plano-nacional. Acesso em: 10 set. 2022.
COSTA, M. G.; COSTA FILHO, C. F. F.; SENA, J. F.; SALEM, J.; LIMA, M. O. Automatic identification of Mycobacterium tuberculosis with conventional light microscopy. 30th Annual International IEEE Eng Med Biol Soc. Vancouver, Canada, p. 382–385, 2008. DOI:10.1109/IEMBS.2008.4649170.
CUNHA, V. J. Contagem automática de leveduras Saccharomyces cerevisiae através de técnicas de visão computacional para elaboração de cerveja. 2019. Dissertação (Mestrado em Sistemas de Informação e Gestão do Conhecimento) - Universidade FUMEC, 2019.
FORERO-VARGAS, M. G.; SIERRA-BALLEN, E. L.; ALVAREZ-BORREGO, J.; PECH-PACHECO, J. L.; CRISTOBAL-PEREZ, G.; ALCALA, L.; DESCO, M. Automatic sputum color image segmentation for tuberculosis diagnosis. Proc. of SPIE Algorithms and Systems for Optical Information Processing, v. 447, p. 251–261, 2001. DOI: 10.1117/12.449343.
HAJIAN-TILAKI K. Sample size estimation in diagnostic test studies of biomedical informatics. J Biomed Inform, v. 48, p. 193-204, Apr. 2014. DOI: 10.1016/j.jbi.2014.02.013.
ISMAIL, N. A.; OMAR, S. V.; LEWIS, J. J.; DOWDY, D. W.; DREYER, A. W.; VAN DER MEULEN, H.; NCONJANA, G.; CLARK, D. A.; CHURCHYARD, G. J. Performance of a Novel Algorithm Using Automated Digital Microscopy for Diagnosing Tuberculosis. Am J Respir Crit Care Med, v. 191, n. 12, p. 1443-9, June. 2015. DOI: 10.1164/rccm.201502-0390OC.
KHUTLANG, R.; KRISHNAN, S.; DENDERE, R.; WHITELAW, A.; VEROPOULOS, K.; LEARMONTH, G.; DOUGLAS, T. S. Classification of Mycobacterium tuberculosis in Images of ZN Stained Sputum Smears. IEEE Trans Inf Technol Biomed, v. 14, n. 4, p. 949–957, 2010.
KHUTLANG, R.; KRISHNAN, S.; WHITELAW, A.; DOUGLAS, T. S. Automated detection of tuberculosis in ziehl-neelsen stained sputum smears using two one-class classifiers. J. Microsc, v. 237, n. 1, p. 96– 102, 2010.
KOTEI, E.; THIRUNAVUKARASU, R. Computational techniques for the automated detection of mycobacterium tuberculosis from digitized sputum smear microscopic images: A systematic review. Progress in Biophysics and Molecular Biology, v. 171, p. 4-16, 2022.
LABELIMG. Projeto de código aberto. GitHub, 2022. Disponível em: https://github.com/tzutalin/labelImg. Acesso em: 10 set. 2022.
LAW, Y. N.; JIAN, H.; LO, N. W. S.; IP, M.; CHAN, M. M. Y.; KAM, M.; WU, X. Low cost automated whole smear microscopy screening system for detection of acid fast bacilli. PLoS ONE, v. 13, n. 1, 2018. DOI: https://doi.org/10.1371/journal.pone.0190988.
LIMA, B. P. Construção de uma base de dados para a detecção automática de bacilos da tuberculose em microscopia de campo claro. 2021. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade FUMEC, 2021.
MAKKAPATI, V.; AGRAWAL, R.; ACHARYA, R. Segmentation and classification of tuberculosis bacilli from ZN-stained sputum smear images. IEEE International Conference on Automation Science and Engineering (CASE), Bangalore, p. 217–220, 2009. DOI: 10.1109/COASE.2009.5234173.
MCCONNEL, S. Code Complete: A practical handbook of software-construction practices. Second Edition. Microsoft Press: Redmond, 2004.
MOSISSA L; KEBEDE A.; MINDAYE T.; GETAHUN M.; TULU S.; DESTA K. External quality assessment of AFB smear microscopy performances and its associated factors in selected private health facilities in Addis Ababa, Ethiopia. Pan Afr Med J., v. 24, n. 125, Jun. 2016. DOI: 10.11604/pamj.2016.24.125.7459.
MSF. Tuberculose. Boletim Epidemiológico, Secretaria de Vigilância em Saúde, Ministério da Saúde, n. especial, mar. 2022. Disponível em: https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/boletins/epidemiologicos/especiais/2022/boletim-epidemiologico-de-tuberculose-numero-especial-marco-2022.pdf. Acesso em: 10 maio 2022.
NABETA , P.; HAVUMAKI, J,.; HA, D. T. M.; CACERES, T.; HANG, P. T.; COLLANTES, J. Feasibility of the TBDx automated digital microscopy system for the diagnosis of pulmonary tuberculosis. PLoS ONE, v. 12, n. 3, e0173092, 2017. DOI: 10.1371/journal.pone.0173092.
OPENCV. Biblioteca de código aberto de visão computacional, 2022. Disponível em: https://opencv.org/. Acesso em: 10 set. 2022.
OSMAN, M. K.; AHMAD, F.; SAAD, Z.; MASHOR, M. Y.; JAAFAR, H. A genetic algorithm-neural network approach for Mycobacterium tuberculosis detection in Ziehl-Neelsen stained tissue slide images. 10th International Conference on Intelligent Systems Design and Applications (ISDA), p. 1229–1234, 2010. DOI:10.1109/ ISDA.2010.5687018.
OSMAN, M. K.; MASHOR, M. Y.; AND JAAFAR, H. Tuberculosis bacilli detection in Ziehl-Neelsen- stained tissue using affine moment invariants and Extreme Learning Machine. IEEE 7th International Colloquium on Signal Processing and its Applications (CSPA), p. 232–236, 2011. DOI:10.1109/ CSPA.2011.5759878.
PANICKER, R. O.; SOMAN, B.; SAINI, G.; RAJAN, J. A Review of Automatic Methods Based on Image Processing Techniques for Tuberculosis Detection from Microscopic Sputum Smear Images. Journal of Medical System, v. 40, n. 17, Springer, 2016. DOI 10.1007/s10916-015-0388-y.
PINTO, V. J. Detecção do bacilo da tuberculose através do processamento e análise de imagem microscópica. 2018. Dissertação (Mestrado em Sistemas de Informação e Gestão do Conhecimento) - Universidade FUMEC, 2018.
QT. Portal oficial do software de desenvolvimento Qt. 2022. Disponível em: https://www.qt.io/. Acesso em: 10 set. 2022.
RAMIREZ, J.; VILLA, A.; TOSCANI, M. Low cost microscope automation hardware and embedded software development. International Centre for Theoretical Physics, 2020. Disponível em: http://indico.ictp.it/event/7920/session/61/contribution/352/material/slides/0.pdf. Acesso em: 10 set. 2022.
REDMON, J.; DIVVALA, S.; GIRSHICK, R.; FARHADI, A. You Only Look Once: Unified, Real-Time Object Detection. arxiv.org, 2015. Disponível em: arXiv:1506.02640 .
REDMON, J. YOLOv3: An Incremental Improvement. arxiv.org, 2018. Disponível em: arXiv:1804.02767 .
SHAH, M. I.; MISHRA, S.; YADAV, V. K.; CHAUHAN, A.; SARKAR, M.; SHARMA, S. K.; ROUT, C. “Ziehl–Neelsen sputum smear microscopy image database: a resource to facilitate automated bacilli detection for tuberculosis diagnosis,” J. Med. Imag, v. 4, n. 2, 2017. DOI: 10.1117/1.JMI.4.2.027503. 2017.
SILVA, N.; ALMEIDA, K.; MEDEIROS NETO, C.; ARAÚJO, A.; OLIVEIRA, S. Análise comparativa da técnica de baciloscopia no diagnóstico da tuberculose pulmonar frente ao GeneXpert em amostras de pacientes da cidade de Recife, Pernambuco. Revista Brasileira de Análises Clínicas, v. 51, n. 1, 2019. DOI: 10.21877/2448-3877.201900767.
SOTAQUIRÁ, M.; RUEDA, L.; NARVAEZ, R. Detection and quantification of bacilli and clusters present in sputum smear samples: a novel algorithm for pulmonary tuberculosis diagnosis. International Conference on Digital Image Processing, Bangkok, p. 117–121, 2009. DOI:10.1109/ICDIP.2009.59.
STEINGART K. R.; NG., V.; HENRY, M.; HOPEWELL, P. C.; RAMSAY, A.; CUNNINGHAM, J.; URBANCZIK, R.; PERKINS, M. D.; AZIZ, M. A.; PAI, M. Sputum processing methods to improve the sensitivity of smear microscopy for tuberculosis: a systematic review. Lancet Infect Dis, v. 6, n. 10, p. 664-74, Oct. 2006. DOI: 10.1016/S1473-3099(06)70602-8.
TAVARES E CASTRO, A.; MENDES, M.; FREITAS, S.; ROXO, P. C. Diagnostic yield of sputum microbiological analysis in the diagnosis of pulmonary tuberculosis in a period of 10 years. Rev Port Pneumol (2006), v. 21, n. 4, p. 185-91, Jul./Aug. 2015. DOI: 10.1016/j.rppnen.2014.09.010.
TBFACTS. Informações sobre a tuberculose no portal. 2022. Disponivel em: https://tbfacts.org/tests-tb/. Acesso em: 10 set. 2022.
WORLD HEALTH ORGANIZATION (WHO). Global Tuberculosis Report 2021. Disponível em: https://www.who.int/teams/global-tuberculosis-programme/tb-reports/global-tuberculosis-report-2021. Acesso em:10 set. 2022.
ZINGUE, D.; WEBER, P.; SOLTANI, F.; RAOULT, D.; DRANCOURT, M. Automatic microscopic detection of mycobacteria in sputum: a proof-of-concept. Sci Rep, v. 8, n. 1, Jul, 2018. DOI: 10.1038/s41598-018-29660-8.
Téléchargements
Publié-e
Numéro
Rubrique
Licence
(c) Tous droits réservés Código 31: revista de informação, comunicação e interfaces 2023
Cette œuvre est sous licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Pas de Modification 3.0 non transposé.
Autores que publicam nesta revista concordam com os seguintes termos:
- Declaro que o presente artigo é original, não tendo sido submetido à publicação em qualquer outro periódico nacional ou internacional, quer seja em parte ou em sua totalidade.
- Declaro, ainda, que uma vez publicado na revista Código 31, editada pela Universidade Fumec, o mesmo jamais será submetido por mim ou por qualquer um dos demais co-autores, caso haja, a qualquer outro periódico.
- Por meio deste instrumento, em meu nome e em nome dos demais co-autores, porventura existentes, cedo os direitos autorais do referido artigo à Universidade Fumec e declaro estar ciente de que a não observância deste compromisso submeterá o infrator a sanções e penas previstas na Lei de Proteção de Direitos Autorias (Nº9609, de 19/02/98).
A Revista "Código 31" é licenciada sob uma Licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional.
