↑ Return to Εφαρμογές

Print this Page

Η ΑΝΑΛΥΣΗ ΤΗΣ ΕΙΚΟΝΑΣ ΣΤΗ ΜΙΚΡΟΒΙΟΛΟΓΙΑ

Η ανάλυση της εικόνας είναι μια τεχνική που εφαρμόζεται σε πολλές μικροβιολογικές εφαρμογές .
Εφαρμογές που είναι κατάλληλες για ανάλυση εικόνας ,προσφέρει γρήγορα, ακριβή και επαναλαμβανόμενα αποτελέσματα. Η ανάλυση εικόνας μπορεί να χρησιμοποιηθεί στην παραγωγή ποσοτικών και αντικειμενικών αριθμητικών δεδομένων από εικόνες που διαφορετικά θα ελέγχονταν υποκειμενικά. Η νέα τεχνολογία αλλάζει τις τεχνικές που χρησιμοποιούνται από αναλυτές εικόνας , με αποτέλεσμα να αυξάνει τις προοπτικές παλαιότερων εφαρμογών και να επιτρέπει την ανάπτυξη πολλών νέων εφαρμογών . Εδώ θα ασχοληθούμε με τις τεχνικές αλλαγές και τις προόδους σε δύο από τις καθιερωμένες χρήσεις την ανάλυσης εικόνας και της δοκιμής ανθεκτικότητας των αντιβιοτικών κινήσεων .
Βασικά , η ανάλυση εικόνας αφορά τη λήψη ενός ηλεκτρικού σήματος το οποίο μπορεί να προέρχεται από μια video πηγή ή από πηγές  με αργό ρυθμό ανίχνευσης και τη μετατροπή του σε μία συμβολοσειρά από αριθμούς η οποία μπορεί να υποστεί επεξεργασία με τη χρήση ηλεκτρονικών υπολογιστών .Η κάθε γραμμή του video  σήματος διαχωρίζεται σε σημεία για τα οποία η ένταση υπολογίζεται και εξισώνεται με αριθμό .
Έτσι , συνδυάζοντας τα αποτελέσματα για κάθε γραμμή η εικόνα μετατρέπεται σε μία σειρά από αριθμούς . Πολλές τεχνικές ανάλυσης εικόνας αφορούν τον καθορισμό ενός  ξεχωριστού επιπέδου ασπρόμαυρού σαν όριο και το χρησιμοποιούν για να καθορίσουν τα χαρακτηριστικά ενδιαφέροντος της εικόνας . Μπορεί να επιλεγεί ένα ξεχωριστό αριθμητικό όριο γκρίζου τέτοιο ώστε κάθε σημείο με αριθμό μικρότερο από το όριο ανήκει στο σπόρο και όλα τα υπόλοιπα συστήματα ανάλυσης εικόνας απλά υπολογίζουν την εικόνα με βάση το αν κάθε σημείο συναντά το κριτήριο του ορίου .
Προφανώς αυτό δεν είναι ικανοποιητικό για ανάλυση εικόνων που δεν προσφέρονται για οριοθέτηση , όπως εικόνες με φτωχό contrast ή σαφές φόντο.
Με τα σημερινά ηλεκτρονικά η τεχνολογία μπορεί να παρουσιάσει στον Η/Υ τις πληροφορίες όλης της εικόνας για επεξεργασία .
Αυτό έχει πολλά πλεονεκτήματα στο ότι επιτρέπει στον Η/Υ να πάρει πληροφορίες από την εικόνα με βάση τις τοπικές διαφορές ασπρόμαυρού , με τρόπο παρόμοιο με αυτόν που λειτουργεί το μάτι .
Αυτό αφορά το χειρισμό πολύ περισσότερων πληροφοριών (συνήθως 7 ή 8 φορές περισσότερες ) και μια ακόμα μεγαλύτερη αύξηση να απαιτείται στην επεξεργασία . Ένα βασικό μειονέκτημα πολλών συστημάτων είναι ότι η μεταφορά δεδομένων είναι αργή και εμποδίζει σημαντικά τον υπολογισμό .
Με πλήρη συλλογή πληροφοριών για ασπρόμαυρη εικόνα βρίσκονται στη μνήμη του Η/Υ και μπορούν να προσπελαθούν με ταχύτητες επεξεργασίας για να δώσουν γρήγορο υπολογισμό στις εικόνες .
Επιπλέον , το λογισμικό ανάλυσης  εικόνων έχει γραφτεί έτσι ώστε να αξιοποιεί τα πλήρη δεδομένα της ασπρόμαυρης εικόνας και τα πλεονεκτήματα που προκύπτουν από τη σύνδεση και σύγκριση των εικόνων.
Οι ενότητες του άρθρου που ακολουθούν περιγράφουν πως αυτά τα χαρακτηριστικά κατέστησαν δυνατή την πρόοδο στη χρήση της ανάλυσης εικόνας στις μικροβιολογικές εφαρμογές .
Ο έλεγχος MIC αφορά τον εμπειρικό καθορισμό των ελαχίστων συγκεντρώσεων ενός συγκεκριμένου αντιβιοτικού που απαιτούνται για την αποτροπή της ανάπτυξης ενός εύρους πλήθους μικροβίων . Η δοκιμή της ανθεκτικότητας των αντιβιοτικών καθορίζει σε ποία αντιβιοτικά είναι ευαίσθητα τα διάφορα μικρόβια. Και οι δύο χρησιμοποιούν παρόμοιες πειραματικές τεχνικές .Ένας δίσκος που περιέχει ξενιστή αναμειγμένο με καθορισμένη ποσότητα διαλύματος ενός αντιβιοτικού , αναμιγνύεται με έναν αριθμό διαφορετικών βακτηρίων με τη χρήση ενός μεικτή πολλαπλών σημείων και ενός ψεκαστή πολλαπλών καναλιών .
Μετά  την επώαση , ο δίσκος πρέπει να εξεταστεί οπτικά ώστε να ελεγχθεί ποίες καλλιέργειες παρουσιάζουν ανάπτυξη .
Για κάθε ομάδα βακτηρίων , ένας αριθμός δίσκων . είτε με διαφορετικές συγκεντρώσεις του ιδίου αντιβιοτικού είτε με ίδιες συγκεντρώσεις διαφορετικών αντιβιοτικών ελέγχεται και συγκρίνονται αποτελέσματα .
Η έκταση των πειραμάτων είναι τέτοια ώστε ο μη αυτόματος έλεγχος να είναι εξαιρετικά επίπονος . Χρησιμοποιώντας την ανάλυση εικόνας , το πειραματικό στάδιο μπορεί να απλοποιηθεί σε ένα στάδιο εισαγωγής των ονομάτων και της συγκέντρωσης των αντιβιοτικών , τα ονόματα των βακτηρίων και στο πάτημα ενός πλήκτρου αφού εισαχθεί ένας δίσκος σε ένα φωτεινό αναλυτή . Οι δίσκοι θα αναλυθούν και τα αποτελέσματα θα συγκριθούν χωρίς περαιτέρω ανάμιξη.
Αν απαιτείται , μπορούν να μεταφερθούν σε μια βάση δεδομένων για αποθήκευση και σύγκριση με προηγούμενα πειράματα.
Συχνά το contrast , μεταξύ της βακτηριακής καλλιέργειας και του ξενιστή είναι αρκετά ασήμαντο και οι αλλαγές στο opacity του ξενιστή σημαίνουν ότι δεν έχει σχέση το ποσοστό φωτεινότητας , ένα όριο που θα επιλέξει μια καλλιέργεια  στη μια πλευρά του δίσκου απλά θα ανιχνεύσει το φόντο του ξενιστή από την άλλη .
Τέτοιοι δίσκοι αποδεικνύονται μη αναγνωρίσιμοι από τους αναλυτές εικόνας οι οποίοι απλά δουλεύουν πάνω στις απόλυτες διαφορές του επιπέδου ασπρόμαυρου . Αυτό δημιουργεί ένα σοβαρό πρόβλημα καθώς αυτοί οι δίσκοι πρέπει να ελεγχθούν χωρίς αυτόματο τρόπο και τα αποτελέσματα να εισαχθούν στη δομή δεδομένων  του H/Y .Ειδικό λογισμικό ανίχνευσης της καλλιέργειας έχει γραφτεί το οποίο προβλέπει τη θέση την οποία μια καλλιέργεια θα καταλάβει αν το συγκεκριμένο βακτηρίδιο δεν καταπολεμάτε από τη συγκέντρωση του αντιβιοτικού . Καθορίζει τα τοπικά ασπρόμαυρα όρια του φόντου και ελέγχει για την παρουσία καλλιέργειες ψάχνοντας για μια περιοχή με σημαντική διαφορά ασπρόμαυρού .
Στην πράξη ένα ευρύτερο ποσοστό δίσκων μπορεί να αναλυθεί αυτόματα με λιγότερο αυστηρά κριτήρια φωτισμού.
Η καταμέτρηση ειδών χρησιμοποιείται σαν τεχνική σε πολλά εργαστήρια ποιοτικού ελέγχου σε όλη τη βιομηχανία τροφίμων και σε ευρεία κλίμακα των τομέων ερευνών . Κατ΄ αρχήν , ένα μικρό πόσο την ύλη που θα ελεγχθεί , αναμιγνύεται με έναν ξενιστή σε ένα δίσκο και αφήνεται σε ένα θερμό μέρος για να επωασθεί . Οι απλούστερες εφαρμογές απλά αφορούν την καταμέτρηση των αποτελεσματικών ειδών βακτηρίων , τα οποία μπορεί να είναι 500 ή παραπάνω ανά δίσκο. Μερικές ξεχωριστές ερευνητικές εφαρμογές επίσης απαιτούν δεδομένα να παραχθούν στην περιοχή και αυξημένη ευαισθησία των ειδικών καθώς αυτές οι πληροφορίες μπορούν να χρησιμοποιηθούν για τον υπολογισμό του όγκου της καλλιέργειας .
Χωρίς αυτόματο τρόπο , η καταμέτρηση των ειδών είναι πολύ χρονοβόρα και σχετικά ανακριβής . Επιπλέον , οι μετρήσεις περιοχής και αυξημένης ευαισθησίας είναι τρομερά δύσκολο να γίνουν.
Δεύτερον , υπάρχουν μερικοί τύποι καλλιεργειών που καταμετρούνται λανθασμένα χρησιμοποιώντας τη συνήθη τεχνική καταμέτρησης .
Μερικά είδη σκορπίζονται πάνω στο δίσκο και διαχωρίζονται , παρ΄ ότι οι ξεχωριστές περιοχές είναι απλά μέρος της καλλιέργειας .
Χρησιμοποιώντας τις καθιερωμένες τεχνικές , αύτη η καλλιέργεια <διαβάζεται > σαν πληθώρα ειδών , παράγοντας έτσι μια λανθασμένη καταμέτρηση του δίσκου . Επίσης , οι πολύ μικρές καλλιέργειες θα φαίνονται σαν ξεθωριασμένες τελείες όταν απεικονίζονται με τη χρήση της βιντεοκάμερας .
Αυτές συχνά αποδεικνύονται δύσκολες να ανιχνευτούν χρησιμοποιώντας καθιερωμένες τεχνικές οριοθέτησης .Το μεγαλύτερο πρόβλημα που εμφανίζεται σε αυτούς τους δίσκους που δεν μπορούν να καταμετρηθούν , είναι ότι για να εξαχθούν ακριβή στοιχεία , πρέπει αυτοί να βγουν από τη δέσμη των δίσκων που διαβάζονται αυτόματα , να διαβαστούν χωρίς μηχανήματα και τα αποτελέσματα να εισαχθούν στη συνέχεια μέσα στη σωστή θέση στη δομή των δεδομένων . Παράγει πληροφορίες πάνω στη σχετική οπτική πυκνότητα των καλλιεργειών και στους υπολογισμένους όγκους τους . Έχει επίσης προγραμματιστεί να υπάρχουν ειδίκες ρουτίνες για τη διεχείρηση πολλών διασπαρτών καλλιεργείων και pinpoints ,έτσι ώστε αν οι δίσκοι αποδείχτουν μη μετρήσιμοι με τη συνηθισμένη μέθοδο , να μπορούν να επαναμετρηθούν αύτοματα χρησιμοποιώντας την κατάλληλη ειδική μέθοδο . Με αυτήν τον τρόπο , τα αποτελέσματα παράγονται γρήγορα και εισάγονται στη σωστή θέση της δομής δεδομένων σαν εργασία ρουτίνας .
Αυτές οι ειδικές διαδικασίες όμως , βασίζονται στη χρήση πολλαπλών πλαισίων εικόνας , καθώς η εικόνα αντιγράφεται σε άλλο πλαίσιο μνήμης , επεξεργάζεται και μετά συγκρίνεται με το πρωτότυπο .
Σε αντίθεση , οι διαδικασίες που διαχειρίζονται τα pinpoints βασίζονται στο να έχουν πρόσβαση στην πλήρη πληροφορία της ασπρόμαυρης κλίμακας για την εικόνα , καθώς ανιχνεύει πολύ μικρές τοπικές αλλαγές μεταξύ των χαρακτηριστικών και του φόντου . Παρ’  ότι οι ρουτίνες διαχείρισης των pinpoints δεν ανιχνεύουν καλλιέργειες μικρότερες ενός συγκεκριμένου μεγέθους ανιχνεύσης καλλιέργειας . Και οι δύο αυτές τεχνικές αφορούν εντατική επεξεργασία της εικόνας και απαιτούν από τον Η/Υ να είναι σε θέση να προσπελάσει την μνήμη εικόνας όσο γίνεται πιο γρήγορα .
Τα  βακτήρια έχουν ένα αξιοσημείωτο σύστημα motility βασισμένο σ’ ένα περιστρφόμενο μοτέρ ικανό να ανασταφεί το οποίο συνδέεται σε μία λεπτή ελικοειδή προπέλα .
Η περιστροφή του κινητήρα μπορεί να παραταθεί απ’ ευθείας  δένοντας το νήμα σε ένα γυάλινο slide.
Tα μαστιγωμένα κυτταρά χρησιμοποιούνται εκτεταμένα σε μελέτες των των βακτηριακών συμπεριφορών και ενεργηκοτήτων .
Και τα δύο tethered and untethered βακτηρίων παρουσιάζει δύσκολα προβλήματα . Δεν περιστρέφονται όλα τα tethered βακτήρια με τέτοιο τρόπο ώστε να είναι κατάλληλα για οπτική ανάλυση , το κύτταρο πρέπει να παρουσιάζει κάποια κίνηση στο επίπεδο κάθετη προς τους οπτικούς άξονες . Για να βεβαιωθεί ότι οι μετρήσεις γίνονται μόνο από κύτταρα που επιδεικνύουν την απαιτούμενη κίνηση , ο χρήστης περιστρέφει ένα κουτί γύρω από το βακτήριο που εμφανίζεται στο <ζωντανό> στην οθόνη .
Από τη στιγμή αυτή , ο προσανατολισμός και η θέση του βακτήριου μετριούνται κάθε 20msec .
Tα αποτελέσματα αναλύονται με σεβασμό στο χρόνο .
Τα αποτελέσματα μπορούν να παρουσιαστούν σε ποικιλία πολλών πολλών formats και να συνδυάζονται με αποτελέσματα από άλλα βακτήρια .
Με τη χρήση εγγραφών video και παίζοντας το ίδιο κομμάτι πολλές φορές , τα αποτελέσματα μπορούν να βγούν από πολλά βακτήρια στο ίδιο διάστημα χώρου και χρόνου .
Αυτή  η πρακτική επιβεβαιώνει ότι τα αποτελέσματα είναι λιγότερο εύκολο να επηρεαστούν από τη βιολογική ποικιλία .
Τα untetherd βακτήρια μπορούν να αναλυθούν με παρόμοιο τρόπο . Συγκεκριμένα , ο χειριστής περιφέρει ένα κουτί τριγύρω στην οθόνη εώς ότου  <ποιάσει> ένα βακτήριο . Το βακτήριο ανιχνεύεται , και οι Χ,Ψσυντεταγμένες καταγράφονται ανά διαστήματα 20msec. Όπως και να είναι αυτή η μέθοδος έχει το μειονέκτημα ότι τα αποτελέσματα επηρεάζονται από το χειριστή που επιλέγει το κύτταρο που θα ανιχνευτεί . Έτσι , έχει αναπτυχθεί μια μέθοδος που είναι λιγότερο εύκολο να επηρεαστεί .
Αύτη η μέθοδος αφορά την αποθήκευση διάφορων εικόνων σειριακά στη μνήμη του Ι 13.000 με ποικίλη χρονική καθυστέρηση μεταξύ τους . Εναλλάξ , οι εικόνες μπορούν να επιλεγούν για να γίνουν διαδοχικά καρέ ενός video .
Για όλα τα βακτήρια της εικόνας , υπολογίζονται οι στιγμιαίες ταχύτητες . Αυτή η διαδικασία επαναλαμβάνεται πολλές φορές και τα αποτελέσματα συγκεντρώνονται για ανάλυση .
Για να είναι αποτελεσματική αύτη η εφαρμογή απαιτεί ταχεία πρόσβαση του Η/Υ πλήρη ασπρόμαυρη κλίμακα της μνήμης εικόνας .
Σ΄αυτό το πεδίο της μικροβιολογίας η ανάπτυξη νέου λογισμικού και νέων μεθόδων ανάλυσης της εικόνας , έχουν παράγει τα απαραίτητα πειραματικά εργαλεία για την επιστημονική πρόοδο .
Η κατανόηση των μηχανισμών ελέγχου της βακτηριακής κίνησης θα βοηθήσει να οδηγηθούμε σε μεγάλες ανακαλύψεις σε πληθώρα  τομέων , όπως ο έλεγχος επιδημίων .
Οι πρόοδοι στην τεχνολογία ανάλυσης εικόνας έχουν οδήγησει στη βελτιστοποίηση των υπαρχόντων πειραματικών τεχνικών στη μικροβιολογία και στην ανάπτυξη μεθόδων που επιτρέπουν στην έρευνα να προχωρήσει νέες εφαρμογές . Όπως και να έχει , οι τεχνικές ανάλυσης εικόνας που περιγραφικαν  σε αυτό το άρθρο δεν περιορίζονται σε προοπτικές στον τομέα της μικροβιολογίας , αλλά μπορούν να χρησιμοποιηθούν σε ευρύ πεδίο τομέων . Η ανάπτυξη νέων εφαρμογών ανάλυσης της εικόνας έχει ωθήσει τους επιστήμονες να δουλέψουν  σε στενή συνεργασία , καθώς είναι αναγκαίο και οι δύο πλευρές να κατανοούν τα προβλήματα που πρέπει να λυθούν .

Permanent link to this article: http://www.dxenos.com/?page_id=147