Conteo de bacterias y levaduras en imágenes digitales

RESUMEN Fundamento: en los laboratorios de microbiología, la identificación y conteo de microorganismos es un procedimiento habitual. Aunque existen en el mercado equipos que posibilitan su realización de manera automática o semiautomática, son muy costosos, por lo cual esta tarea, difícil e irritante para los ojos, la siguen realizando los expertos de manera tradicional mediante la observación de las muestras en los microscopios, con la consiguiente variabilidad entre ellos. Objetivo: proponer un nuevo método para el conteo de bacterias y levaduras en imágenes digitales, bajo diferentes magnificaciones, tomadas a bioproductos de origen microbiano obtenidos por fermentación. Métodos: el sensor empleado para la toma de imágenes de las muestras fue una cámara digital modelo HDCE-X, con un sensor CMOS de ½", con una resolución de 2592 píxeles por 1944 píxeles (5 Mp). Se emplearon dos tipos de magnificaciones: magnificación 40x (PL40, 0.65 apertura numérica and 0.17 de distancia de trabajo) y magnificación 100x (HI plan 100/1.25 con inmersión de aceite). El método propuesto se basa en técnicas de procesamiento digital de imágenes, utilizando herramientas como la detección de contornos, operaciones morfológicas y análisis estadístico, y fue desarrollado en lenguaje Python con empleo de la biblioteca OpenCV. Resultados: la detección y conteo de bacterias se logró con una exactitud y precisión aceptable, en ambos casos por encima de 0,95; no en el caso de las levaduras cuya exactitud y precisión fueron menores, alrededor de 0,78 y 0,86 respectivamente. Se proponen flujos de trabajo basados en técnicas de procesamiento digital de imágenes, fundamentalmente en detección de contornos, operaciones morfológicas y análisis estadístico. Conclusiones: el método posee una efectividad aceptable para el contexto y depende de las características que presenten las imágenes.

ABSTRACT Background: In microbiology laboratories, the identification and counting of microorganisms is a common procedure; and although there is a variety of equipment on the market that possibility to carry out these processes automatically or semi-automatically, it is usually expensive to many laboratories. These are some of the reasons why this arduous and difficult task is still performed in many laboratories by experts in the traditional way, through the observation of samples in microscope, consuming a great time and having variations in the results between experts. Objective: The present work aims to propose a new method for counting bacteria and yeasts in digital images, taken under different magnifications, of microbial bioproducts obtained by fermentation. Methods: The sensor used to take images of the samples was a digital camera model HDCE-X, with a ½" CMOS sensor, with a resolution of 2592 pixels by 1944 pixels (5 Mp). Two types of magnifications were used: 40x magnification (PL40, 0.65 numerical aperture and 0.17 working distance) and 100x magnification (HI plan 100/1.25 with oil immersion). The proposed method is based on digital image processing technics, using tools as contour detection, morphological operations and statistical analysis, and was developed in Python language using the OpenCV library. The work also presents a comparison with the results obtained using ImageJ software for the same purpose. Results: the detection and count of bacteria was achieved with an acceptable accuracy and precision, in both cases above 0.95; not in the case of yeasts whose accuracy and precision was lower, around 0.78 for accuracy and 0.86 for precision. Workflows based on digital image processing techniques are proposed, using tools as contour detection, morphological operations and statistical analysis. Conclusions: the method has an acceptable effectiveness for the context and depends on the characteristics presented by the images.

Segmentación del hígado en imágenes de tomografía computarizada

RESUMEN Fundamento: la segmentación del hígado utilizando datos de tomografía computarizada es el primer paso para el diagnóstico de enfermedades hepáticas. Actualmente la segmentación de estructuras y órganos, basado en imágenes, que se realiza en los hospitales del país, dista de tener los niveles de precisión que se obtienen de los modernos sistemas 3D, por lo que se requiere buscar alternativas viables utilizando el PDI sobre ordenador. Objetivo: determinar una variante eficaz y eficiente desde el punto de vista computacional en condiciones de rutina hospitalaria, para la segmentación de imágenes hepáticas con fines clínicos. Métodos: se compararon dos métodos modernos de segmentación (Graph Cut y EM/MPM) aplicándolos sobre imágenes de tomografía de hígado. Se realizó un análisis evaluativo y estadístico de los resultados obtenidos en la segmentación de las imágenes a partir de los coeficientes de Dice, Vinet y Jaccard. Resultados: con el método Graph Cut, en todos los casos, se segmentó la región deseada, incluso cuando la calidad de las imágenes era baja, se observó gran similitud entre la imagen segmentada y la máscara de referencia. El nivel de detalles visuales es bueno y la reproducción de bordes permanece fiel a la máscara de referencia. La segmentación de las imágenes por el método de EM/MPM, no siempre fue satisfactoria. Conclusiones: el método de segmentación Graph Cut obtuvo mayor precisión para segmentar imágenes de hígado.

ABSTRACT Background: liver segmentation using computed tomography data is the first step for the diagnosis of liver diseases. Currently, the segmentation of structures and organs, based on images, which is carried out in the country's hospitals, is far from having the levels of precision obtained from modern 3D systems, it is necessary to search for viable alternatives using the PDI on a computer. Objective: to determine an effective and efficient variant from the computational point of view in routine hospital conditions, for the segmentation of liver images for clinical purposes. Methods: Two modern segmentation methods (Graph Cut and EM/MPM) were compared by applying them to liver tomography images. An evaluative and statistical analysis of the results obtained in the segmentation of the images from the Dice, Vinet and Jaccard coefficients was carried out. Results: with the Graph Cut method, in all cases, the desired region was segmented, even when the quality of the images was low, great similarity was observed between the segmented image and the reference mask. The level of visual detail is good, and edge reproduction remains true to the reference skin. Image segmentation by the EM/MPM method was not always satisfactory. Conclusions: the Graph Cut segmentation method obtained greater precision to segment liver images.

Methods for Reducing Metal Artifacts in Computerized Tomography / Métodos para reducir los artefactos metálicos en la tomografía computarizada

Abstract Metal artifacts are common in clinical images. Many methods for artifact reduction have been published to overcome this problem. In this work, animage smoothing method for artifact reduction (ISMAR) is proposed for image quality improvement in patients with hip prosthesis and dental fillings, which caused metal artifacts. ISMAR was evaluated and compared with three well-known methods for metal artifact reduction (linear interpolation (LI), normalized metal artifact reduction (NMAR) and frequency split metal artifact reduction (FSMAR)). The new method is based on edge-preserving smoothing via L0 Gradient Minimization filter. Image quality was evaluated by two experienced radiologists completely blinded to the information about if the image was processed or not to suppress the artifacts. They graded image quality in a five points-scale, where zero is an index of clear artifact presence, and five, a whole artifact suppression. The new method had the best results and it was statistically significant respect to the other tested methods (p < 0.05). This new method has a better performance in artifact suppression and tissue feature preservation.

Resumen Los artefactos metálicos son comunes en las imágenes clínicas. Muchos métodos para la reducción de los artefactos han sido publicados para superar este problema. En el presente trabajo, un método de suavizado de imágenes para la reducción de artefactos (ISMAR) es propuesto para mejorar la calidad de la imagen en pacientes con prótesis de cadera y empastes dentales, los cuales causaron artefactos metálicos. ISMAR fue evaluado y comparado con otros tres métodos reconocidos por su desempeño en la reducción de los artefactos metálicos (Interpolación lineal (LI), reducción de artefactos de metal normalizados (NMAR) y reducción de artefactos de metal divididos en frecuencia (FSMAR)). El nuevo método se basa en el suavizado y conservación de bordes, utilizando para ello el filtro de minimización de gradiente L0. La calidad de la imagen fue evaluada por dos radiólogos experimentados completamente ciegos a la información sobre si la imagen fue procesada o no para suprimir los artefactos. Ellos calificaron la calidad de la imagen en una escala de cinco puntos, donde el cero indica la presencia de artefactos, y el cinco, una supresión total de los artefactos. El nuevo método tuvo los mejores resultados y fue estadísticamente significativo con respecto a los otros métodos probados (p < 0.05). Este nuevo método tiene un mejor rendimiento en la supresión de artefactos y en la conservación de las características de los tejidos.