MÉTODO AUTOM´ATICO PARA IDENTIFICA¸C˜AO DE R´OTULOS
Transcrição
MÉTODO AUTOM´ATICO PARA IDENTIFICA¸C˜AO DE R´OTULOS
Anais do XIX Congresso Brasileiro de Automática, CBA 2012. MÉTODO AUTOMÁTICO PARA IDENTIFICAÇÃO DE RÓTULOS ALFANUMÉRICOS DE ANTIBIÓTICOS POSICIONADOS EM ANTIBIOGRAMA Luan F. R. Costa∗, Marcelino M. de Andrade∗, Edson A. Costa Jr∗, Bruno Macchiavello† ∗ Laboratório de Instrumentação e Processamento de Imagens e Sinais, Laboratórios de Engenharia e Inovação, Campus Gama, Universidade de Brası́lia Gama - Brası́lia - Brasil † Departamento de Ciências da Computação, Campus Darcy Ribeiro, Universidade de Brası́lia Asa Norte - Brası́lia - Brasil Emails: [email protected], [email protected], [email protected], [email protected] Abstract— An antibiogram is a traditional method used to identify the sensitivity of a bacteria to different antibiotics. In this process, impregnated filter paper disks, with some kinds of antibiotics, are placed on bacterial culture dish to clear a zone inhibition that indicates the efficacy of the antibiotic. The types of antibacterial drugs can be identified through alphanumeric characters labeled on the disk. Thus, in the present work, image processing techniques were developed, invariant to rotation and translation, for automatic label identification of every antibiotic paper disks. The research used nine different images of disks where each image had fifteen disks. The experimental result showed the complete identification of the all label alphanumeric characters. Antibiogram, Image processing, Automatic Identification Keywords— Resumo— O antibiograma representa um método tradicional aplicado para identificar a sensibilidade de bactérias para diferentes tipos de antibióticos. Nesse processo, filtros circulares de papel impregnados com antibióticos são posicionados em placa de crescimento de bacteriano e uma região de inibição é formada indicando a eficiência do antibiótico. Os tipos de antibactericidas são identificados por rótulos com caracteres alfanuméricos e no presente trabalho foi desenvolvida uma técnica, invariante a rotação e translação, para a identificação automáticas dos antibióticos. A pesquisa utilizou nove diferentes imagens com 15 discos de antibióticos cada, sendo que todos os rótulos alfanuméricos foram completamente identificados. Palavras-chave— 1 Antibiograma, Processamento de Imagens, Identificação Automática Introdução Um antibiograma é o resultado de uma prova microbiológica, realizada num laboratório especializado, com o objetivo de determinar a susceptibilidade de um microorganismo (bactéria) com relação a um ou vários antimicrobianos (antibióticos). As primeiras provas realizadas desta natureza estavam focadas no próprio descobrimento dos antimicrobianos e a constatação de antibioses que exerciam diferentes fungos sobre as bactérias (Poupard et al., 1994). Até os dias de hoje não existe um consenso sobre os critérios a serem utilizados na interpretação dos valores oferecidos pelas provas de suscetibilidade do antibiograma (Baquero, 1990; MENSURA, 2000; Ferraro, 2001). Porém, a partir de 1970 diversos laboratórios de microbiologia começaram a analisar de forma sistemática os dados de suscetibilidade, essencialmente de antibióticos betalactâmicos e aminoglicosı́deo. Este processo sistemático foi denominado de leitura interpretada do antibiograma (Courvalin, 1992). De forma paralela os avanços em robótica, informática e processamento de sinais permitiram o desenvolvimento de métodos automáticos para a interpretação do antibiograma com o objetivo de simplificar o processo de leitura interpretada ISBN: 978-85-8001-069-5 (Livermore et al., 2002; Hejblum et al., 1993). Porém, muitas destas propostas são proprietárias e/ou ainda precisam ser melhoradas, como, por exemplo, a identificação correta do antibiótico que está sendo analisado. Neste trabalho apresentamos um método totalmente automático que identifica a posição dos antimicrobianos e faz a leitura automática do seus identificadores. Este trabalho baseia-se em um padrão especifico de colocação de 15 antibióticos, recorrente nos laboratórios brasileiros. Trabalhos futuros analisarão também a área de atuação do antibiótico, a qual permite aos especialistas fazer a interpretação da suscetibilidade. 2 Materiais e Métodos A colocação dos antibióticos para o exame de antibiograma é realizada sobre uma plataforma que contém a bactéria a ser analisada. Esta plataforma pode ter diferentes formatos, sendo que um dos formatos mais utilizados, no Brasil e no mundo, é o formato de disco (Figura 1). Na Figura 2 pode se visto mais detalhadamente de um antibiótico identificado por um conjunto de caracteres alfanuméricos. Em torno dos antibióticos existe a área de reação que determina o grau de sensibilidade do microorganismo com 651 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. Figura 1: Disco utilizado no antibiograma com 15 antibióticos distribuı́dos em dois anéis concêntricos. relação ao antibiótico. Figura 2: Detalhe do identificador e área de reação do antibiótico. Desta forma, o método proposto deve identificar automaticamente a posição dos 15 antibióticos e seu identificador. É importante ressaltar que o presente trabalho corresponde a uma iniciativa FINEP - Financiadora de Estudos e Projetos, com o objetivo de desenvolver um sistema computacional embarcado para a realização automática da leitura interpretada do antibiograma, incluindo a elaboração de uma plataforma para a aquisição da imagem digital. As imagens foram adquiridas por uma câmera Canon SX130, com tripé, em matrizes de 3000x4000 pixels com resolução de 180 dpi. Os procedimentos para condicionamento e interpretação das placas seguiram a padronização prevista pela (CLSI, 2009). Já para aplicação dos discos às placas inoculadas de Ágar foram utilizados os Polisensidiscos 15 gram negativo, gram positivo e série urinária da Empresa DME - Diagnóstico Microbiológico Especializado (Figura 1). Nos testes do algoritmo, foram aplicadas 9 (nove) imagens de placas de Petri 90 x 110 mm, coletadas em laboratório de um hospital de médio porte, na cidade de Taguatinga, Distrito Federal (DF). 2.1 Algoritmo de Identificação dos Rótulos O algoritmo proposto de identificação automática dos antibióticos foi desenvolvido no software Matlab versão 7.6, e seu diagrama é mostrado na Figura 3. O Algoritmo de Identificação Automática ISBN: 978-85-8001-069-5 Figura 3: Fluxograma do Algoritmo de Identificação Automática. (AIA) pode ser dividido em três etapas fundamentais. Na primeira etapa é realizada uma estimativa das posições dos discos na imagem segmentada, na segunda há a identificação dessas posições e na terceira os discos são rotulados de acordo com seu identificador. Tais informações são especificadas no fluxograma ilustrado na Figura 3. A primeira etapa é iniciada por uma segmentação geral, no qual a região de interesse, contendo apenas a placa de Pétri foi segmentada e convertida para a escala de cinza (Figura 3-B). Para tanto, foi aplicada uma binarização por histograma utilizando o método de Otsu (Otsu, 1979) para definição do limiar (Figura 4). Dessa forma, as regiões foram rotuladas e a maior delas foi segmentada. Em seguida, o objetivo foi evidenciar em uma imagem binária os discos antimicrobianos. Sendo assim, aplicou-se uma binarização por histograma (Fig. 3-B), utilizando um limiar de 97% da amplitude dos pixels. Isoladamente, esse limiar produz uma binarização não robusta dos discos que pos- 652 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. Figura 4: Imagem original binarizada. suem pixles de alta amplitude. Buscando confiabilidade na segmentação dos discos, um processamento morfológico foi aplicado em cada região rotulada na imagem binária. A razão entre a altura A e largura L, assim como o diâmetro D das regiões, foram analisados, sendo que os intervalos de valores aceitáveis para a razão A/L e o diâmetro D (em pixels) foram [0.9, 1.1] e [300, 500], respectivamente. Esses parâmetros permitiram eliminar todos os objetos não circulares, com aproximadamente 6 cm de diâmetro, da imagem binária. A Figura 3-C.2 ilustra as regiões classificadas pelos parâmetros A/L e D supracitados. Para estimar a posição dos demais discos não classificados, foram criados dois anéis semelhantes ao encontrado no polisensidisco, obedecendo a suas dimensões fı́sicas. Dessa forma, foi possı́vel definir quais discos classificados eram regidos pelo anel (Figura 3-D.1). Com posse de apenas um disco de referência no anel interno e um no externo é possı́vel estimar a posição dos demais usando o seguinte conjunto de equações de rotação: xR (i) cos θi − sin θi x = (1) sin θi cos θi yR (i) y original usando as coordenadas de cada posição estimada. Então, foi realizada uma varredura dentro de cada quadrado segmentado: a cada passo era calculada a soma total dos pixels na imagem, sendo a soma de menor valor a posição correta da pı́lula. A Figura 5 ilustra alguns dos resultados enquanto que a Figura 3-E ilustra todos os resultados das posições contidas na placa de Pétri. A metodologia utilizada na terceira etapa do AIA consistiu em criar três bancos de imagens correspondentes aos três padrões de polisensidiscos oferecidos pela DME, indicados na Tabela 1. Tabela 1: Padrões de polisensidiscos da DME. Ban- Padrões co Anel Externo Anel Interno 1 Gram positivo AMC 30, SUT 25, CIP 05, CFL 30, GEN 10, AMP 10, OXA 01, PEN 10, TET 30, CPO 30 VAN 30, CLI 02, ERI 15, CLO 30, RIF 05 2 Gram negativo AMI 30, CPM 30, TET 30, CRO 30, AMC 30, SUT 25, CIP 05, CFL 30, GEN 10, AMP 10 CLO 30, ATM 30, PIT 110, CFO 30, CAZ 30 3 Série Urinária AMI 30, CPM 30, TET 30, CRO 30, AMC 30, SUT 25, CIP 05, CFL 30, GEN 10, AMP 10 NAL 30, NIT 300, NOR 10, OFX 05, CFZ 30 Sabendo a posição exata de cada pı́lula foi possı́vel binarizar sua imagem, de forma que resultasse apenas o rótulo, como mostra a Figura 6. O limiar utilizado em tal binarização correspondeu na metade da área sob o histograma. onde xR (i) e yR (i) correspondem as coordenadas de cada pı́lula i estimada, x e y as coordenadas do disco de referência e θi = 2π/i. Sendo que para o anel interno i = 1 . . . 5 (5 discos) e para o externo i = 1 . . . 10 (10 discos). A Figura 3-D.2 ilustra a estimativa de todas as posições mencionadas. Figura 6: Extração do rótulo dos discos. (a) Imagem em nı́vel de cinza do disco segmentado, (b) Histograma do disco segmentado e (c) Imagem binária do disco segmentado, com limiar igual ao nı́vel de 50% da área sob o histograma. Figura 5: Identificação das posições dos discos. A segunda etapa do AIA consiste em identificar as posições dos discos após a estimativa. Para tanto, foi aplicada uma segmentação na imagem ISBN: 978-85-8001-069-5 Com posse de todos os rótulos de todos os antimicrobianos foi possı́vel comparar a seqüência extraı́da com a do banco de imagens. O algoritmo utilizado para a comparação dos rótulos do banco de imagens supracitado com os identificadores extraı́dos das pı́lulas foi o de reconhecimento de padrões por invariância de momento afim (Flusser and Suk, 1993). Achar caracterı́sticas invariantes eficientes é a chave para a solução deste tipo de 653 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. problema. Foram usados diversos tipos de caracterı́sticas no reconhecimento, divididas nos quatro grupos: 6. Realiza-se nova etapa de comparação com os bancos, e aplica-se novamente o limiar e retorna ao passo 4. 1. Caracterı́sticas visuais (bordas, texturas e contornos); 7. O laço formado pelos passos 4, 5 e 6 é repetido até que se consiga a identificação dos rótulos. 2. Caracterı́sticas de coeficientes de transformadas (descritores de Fourier, coeficientes de Hadamard); 8. Os rótulos do anel externo são identificados diretamente pela posição dos rótulos do anel interno, já que a ordenação relativa entre todos os rótulos é fixa. Para um determinado anel interno identificado, seus vizinhos externos são pré-definidos e identificados pelo uso do padrão determinado. 3. Carcterı́sticas algébricas (baseada na decomposição matricial da imagem); e 4. Caracterı́sticas estatı́sticas (invariâncias de momento). O algoritmo da rotulação dos antibióticos das pı́lulas possui como núcleo o algoritmo de reconhecimento de padrões por invariância de momentos afim (Flusser and Suk, 1993), mas possui passos sistemáticos e bem definidos para identificar a correta rotulação, descritos a seguir: Para salientar a eficiência do processo de correspondência dos passos 2 e 3 pode-se visualizar na Figura 7-A e na Figura 7-B a significativa diferença de pontos coincidentes entre um rótulo da placa de Petri e o banco de padrões, quando estes se tratam do mesmo antibiótico e quando isto não é verdade, respectivamente. 1. Através das coordenadas dos centros das pı́lulas é obtido o grupo de 5 rótulos que estão no anel interno da placa. 2. Tomando um dos rótulos como referência, é feita uma comparação dos 5 rótulos internos da placa com os 3 padrões descritos no banco apresentado na Tabela 1, somente para o anel interno. 3. O algoritmo de reconhecimento de padrões entrega um indicador numérico de similaridade de um determinado padrão ao dado de entrada. Nesse contexto, quanto mais similar maior o valor obtido. Assim, sobre o conjunto das 5 correspondências realizadas nesse passo, foi obtido de forma empı́rica, um limar para indicar se o padrão foi o não reconhecido. O valor utilizado do limar foi de 4.5. Este limiar se mostrou bastante eficiente, tendo em vista que as diferenças entre a correspondência do banco na ordenação correta com os demais casos são significativamente superiores, pois mesmo que uma das pı́lulas seja corrompida e não consiga ser identificada, o somatório de correspondências do grupo ainda será considerado correto devido à grande quantidade de pontos coincidentes detectadas no processo (ver Tabela 2). Figura 7: Resultado do algoritmo de comparação de padrões. 3 Resultados A rotulação das nove imagens coletadas foi realizada com sucesso pelo AIA. Entretanto, discos posicionados fora do polisensidisco não são identificados. A Figura 8 ilustra o comportamento tı́pico do algoritmo, ignorando os discos fora da máscara. 4. Se o limiar for atendido, a sequência está identificada, e o algoritmo termina. Caso contrário, o algoritmo segue para o passo 5. 5. É feita mudança de posição no vetor que armazena os rótulos, tomando como referência o rótulo subsequente no sentido anti-horário do anel central. ISBN: 978-85-8001-069-5 Figura 8: Discos posicionados inadequadamente. 654 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. A Tabela 2 ilustra a média entre os cinco nı́veis de coincidência dos discos do anel interno, para cada banco de imagem. Dessa forma destacase a diferença significativa entre as médias e justifica o uso do limiar de classificação das seqüências. Tabela 2: Padrões de polisensidiscos da DME. Imagem Banco 1 Banco 2 Banco 3 1 2 3 4 5 6 7 8 9 21.2 0.8 0 0.6 0.4 8.0 0.4 0.8 0.6 0.6 19.6 0.2 0.4 0.8 0.4 0.2 0.6 0.6 1.0 0.6 5.6 16.8 6.0 1.0 5.2 7.4 6.6 Os discos foram devidamente rotulados nos casos em que a bactéria corrompe o rótulo, devido à estratégia de avaliação das vizinhanças. A Figura 9 ilustra um desses casos. Figura 9: Disco RIF05 danificado e rotulado com sucesso. Por fim, a Figura 10 ilustra a imagem dos discos devidamente rotulada. Figura 10: Resultado tı́pico final da rotulação dos caracteres numéricos dos discos de antibiograma. Figura 11: Dispensador manual de Antibiograma (Becton, Dickinson and Company). O algoritmo desenvolvido possui a sua robustez garantida pelo conhecimento prévio das posições geométricas relativas entre os discos no gabarito ou polisensidisco (Equação 1). O banco de imagens construı́do também limita o algoritmo em identificar apenas a seqüência de discos estipulada pela DME. Entretanto, o faz de forma robusta, permitindo rotular discos danificados pela ação da bactéria (Figura 9), conforme a estratégia de avaliação das vizinhanças dos discos descrita no presente artigo. O limiar empı́rico definido, como a média de 4,5 elementos de similaridade para classificar as seqüências dentre os três bancos de imagens, atendeu plenamente a proposta envolvida. A Tabela 2 ilustra a clara diferença entre as médias dos pontos coincidentes nos três casos. Percebe-se que limiares acima de 1,0 já seriam satisfatórios, entretanto, a escolha visa diminuir a probabilidade de erros falso-positivo. É importante salientar que os três valores mais elevados da Tabela 2 (21,2, 19,6 e 16,8) correspondem a uma comparação do banco de referencia com as imagens de formação desse banco. Os demais valores correspondem a comparações do banco com imagens coletadas aleatoriamente. O processo automático descrito neste artigo fica condicionado a alguns parâmetros prédeterminados, devido sua metodologia, com a utilização dos polisensidiscos da empresa DME. O cumprimento da norma CLSI (CLSI, 2009) e a utilização de disposições geométricas bem definidas são requisitos neste caso. Em trabalhos futuros, também se pretende levantar a qualidade mı́nima da imagem para que seja corretamente rotulada. 5 4 Conclusão Discussão A utilização de dispensadores de antibiograma (Figura 11) ou de polisensidisco, aplicado no trabalho, permitem o posicionamento correto dos discos e a identificação dos mesmos. Complementarmente, essa estratégia garante a qualidade do exame, evitando colocação de discos incorretos ou em maior quantidade que a estipulada pela CLSI (CLSI, 2009). ISBN: 978-85-8001-069-5 O método proposto identificou corretamente todos os rótulos dentro das nove imagens coletadas. O método se mostra bastante robusto, e os resultados tende a melhorar com a construção do sistema de coleta de imagens pospostos do projeto. Como trabalhos futuros devem-se ampliar o banco de dados, coletar imagens com o scanner dedicado e estender a pesquisa para identificar a área de reação dos antibióticos. 655 Anais do XIX Congresso Brasileiro de Automática, CBA 2012. 6 Agradecimentos Agradecemos à FINEP pelo suporte através do projeto AUTOBAC, Referência: 1414/10, e ao Sr. Marco Aurelio Bellocchio Junior, Biomédico, pelo acesso e fundamental apoio oferecido no Hospital onde foram coletadas a imagens adotadas no artigo. Referências Baquero, F. (1990). European standards for antibiotic susceptibility testing: Towards a theoretical consensus, Vol. 9 of Eur J Clin Microbiol Infect Dis 1990, pp. 492–5. CLSI (2009). Performance Standards for Antimicrobial Disk Susceptibility Tests; Clinical Laboratory Standards Institute Approved Standard, Vol. 29 of M02-A10. Courvalin, P. (1992). Interpretive reading of antimicrobial susceptibility test, Vol. 58 of ASM News 1992, pp. 368–75. Ferraro, M. J. (2001). Should we reevaluate antibiotic breakpoints?, Vol. 33 of Clin Infect Dis 2001, pp. 240–4. Flusser, J. and Suk, T. (1993). Patter recognition by affine moment invariants, Vol. 26 of Patter Recognition, pp. 167–174. Hejblum, G., Jarlier, V., Grosset, J. and Aurengo, A. (1993). Automated Interpretation of Disk Diffusion Antibiotic Susceptibility Tests with the Radial Profile Analysis Algorithm, Journal of Clinical Microbiology, pp. 2396–2401. Livermore, D. M., Struelens, M., Amorin, J., Baquero, F., Bille, J. and Cantón, R. (2002). Multicenter evaluation of the VITEK 2 Advance Expert System for interpretive reading of antimicrobial resistance tests, Vol. 49 of J Antimicrobial Chemother 2002, pp. 289–300. MENSURA (2000). Recomendaciones del grupo MENSURA (Mesa Española de Normalización de la Sensibilidad y Resistencia a los Antimicrobianos) para la selección de antimicrobianos en el estudio de la sensibilidad y criterios para la interpretación del antibiograma, Vol. 13 of Rev. Esp. Quimioter, pp. 73–86. Otsu, N. (1979). A threshold selection method from gray-level histograms, Vol. 9 of IEEE Trans. Systems, Man, and Cybernetics, pp. 62–66. Poupard, J., Rittenhouse, S. and Walsh, L. (1994). The evolution of antimicrobial susceptibility testing methods, Antimicrobial susceptibility testing, pp. 3–14. ISBN: 978-85-8001-069-5 656