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