自我诊断的自拍：算法放大智能手机来诊断疾病

可访问，连接且计算功能强大的智能手机不仅仅是用于“自拍”。它们已成为强大的评估工具，能够诊断医疗点环境中的医疗状况。智能手机也是发展中国家医疗保健的可行解决方案，因为它们允许未经训练的用户收集数据并将数据传输给医疗专业人员。

虽然目前智能手机相机技术提供了广泛的医疗应用，如显微镜和细胞分析，但在实践中，手机图像测试的局限性严重限制了它们的实用性。解决这些限制需要外部智能手机硬件来获得定量结果 - 在可访问性和准确性之间进行设计权衡。

佛罗里达大西洋大学工程与计算机科学学院的研究人员开发了一种新型的手机成像算法，该算法可以分析通常通过光谱学评估的分析，光谱学是科学研究中使用的高度复杂和强大的设备。

通过对超过10,000张图像的分析，研究人员已经证明他们开发的饱和度方法在广泛的操作现场条件下始终优于现有算法。他们的研究结果发表在期刊分析师皇家化学学会，通过减少对所需设备的需求，提高检测限和提高定量结果的精确度，在开发即时诊断方面向前迈出了一步。

“智能手机相机针对图像外观而非基于定量图像的测量进行了优化，并且不能轻易绕过或反转。此外，大多数基于实验室的生物和生化检测仍然缺乏强大且可重复的手机模拟，” Waseem Asghar，博士，FAU计算机与电子工程与计算机科学系的第一作者和助理教授。“我们已经能够开发出一种基于手机的图像预处理方法，与现有方法相比，它可以产生平均像素强度，具有更小的方差，更低的检测限和更高的动态范围。”

在该研究中，Asghar和合着者Benjamin Coleman和Chad Coarsey，FAU工程与计算机科学学院Asghar实验室的研究生，使用三部智能手机进行图像捕捉：带有500万像素(MP)相机的Android Moto G; iPhone 6配备1200万像素摄像头，三星Galaxy Edge 7配备1200万像素摄像头。

他们在各种条件下测试了图像捕获，测量了算法性能，测试了对相机距离，倾斜和运动的灵敏度，并检查了直方图属性和浓度响应。他们还检查了检测限以及饱和度，环境照明水平以及与红绿蓝(RGB)色彩空间的关系。手机图像本身存储为RGB像素强度的阵列，通常称为颜色通道。

研究人员使用数千张图像，将饱和度分析与现有的RGB方法进行了比较，发现在存在加性和乘性环境光噪声的情况下，它可以在分析和经验上提高性能。他们还表明饱和度分析可以解释为现有RGB比率测试的优化版本。他们证实了理想的图像捕获条件包括恒定的白光，干净的白色背景，与样品的最小距离以及相机的零角位移。

Asghar，Coleman和Coarsey也将该测试应用于ELISA(酶联免疫吸附测定)，这是一种基于平板的测定技术，用于检测和定量肽，蛋白质，抗体和激素等物质。他们发现，对于HIV，饱和度分析可以实现无设备评估，检测限明显低于目前RGB方法的检测限。

FAU开发的方法代表了可重复性，实用性和图像捕获噪声抑制的改进。此外，饱和度分析不受基于图像的测试的许多主要限制因素的影响，例如环境光照变化，阴影和可变光照水平。研究人员预计，饱和度分析的有利特性将会遇到并实现基于手机图像的即时检验，同时减少设备开销和降低检测限。

“在佛罗里达大西洋大学Asghar实验室进行的研究对发达国家和发展中国家的诊断医学和医疗保健服务具有重要意义，”FAU工程学院院长Stella Batalama博士说。计算机科学。“Asghar教授及其团队致力于继续开发尖端技术，能够快速，准确，低成本地远程检测和诊断疾病。他们开发的这种最新算法是他们在该领域取得的众多进步之一“。