BỘ KHOA HỌC VÀ CÔNG NGHỆ
HỆ THỐNG THÔNG TIN QUỐC GIA VỀ KHOA HỌC, CÔNG NGHỆ VÀ ĐỔI MỚI SÁNG TẠO

Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  30,197,999
  • Công bố khoa học và công nghệ Việt Nam

Công nghệ sinh học liên quan đến y học, y tế

Nguyễn Chí Thiện, La Ngọc Thùy Vân, Phạm Kiều Nguyệt Oanh, Nguyễn Lê Đình Quý, NGUYỄN LÊ ĐÌNH QUÝ(1)

Kỹ thuật chẩn đoán sốt rét tự động bằng phân tích hình ảnh xét nghiệm máu

Tạp chí Khoa học và Công nghệ Việt Nam

2020

8

48-54

1859-4794

Hồng cầu, Ký sinh trùng sốt rét, Phân loại, Vết máu, Sốt rét

Sốt rét (SR) là một bệnh truyền nhiễm đe dọa tính mạng con người do ký sinh trùng (KST) Plasmodium gây ra, lây truyền qua vết đốt của muỗi Anopheles bị nhiễm bệnh. Kỹ thuật phổ biến nhất trong phát hiện KSTSR là xét nghiệm máu thông qua lam kính mỏng được nhuộm Giemsa rồi soi trên kính hiển vi quang học. Tuy nhiên, phương pháp soi trên kính hiển vi thường tốn nhiều thời gian, kết quả phân tích phụ thuộc nhiều vào khả năng của người đọc mẫu và rất khó để kiểm chứng lại. Nhiều nghiên cứu dựa trên sự hỗ trợ của thị giác máy tính đã được đề xuất nhằm thay thế kỹ thuật chẩn đoán này. Thông qua bài tổng quan dưới đây, các tác giả trình bày vắn tắt những kết quả điển hình về các hướng phát triển gần đây trong lĩnh vực máy tính nhằm hỗ trợ chẩn đoán KSTSR. Quá trình chẩn đoán và xác định bệnh SR bao gồm chuẩn hóa hình ảnh, phân tách tế bào máu và KST, trích xuất và phân loại các tính năng đặc trưng cũng được giới thiệu trong bài báo. Cuối cùng, các tác giả thảo luận các thách thức đang tồn tại cũng như đề xuất các hướng nghiên cứu nhằm ứng dụng phương pháp chẩn đoán tự động KSTSR ở Việt Nam.

TTKHCNQG, CVv 8

Xem toàn văn
  • [1] T. Davenport and R. Kalakota (2019), The potential for artificial intelligence in healthcare,Futur. Healthc. J., 6(2), pp.94-98
  • [2] L. Malihi, K. Ansari-Asl, A. Behbahani (2013), Malaria parasite detection in giemsastained blood cell images,8th Iranian Conference on Machine Vision and Image Processing (MVIP), pp.360-365
  • [3] S.P. Premaratne, N.D. Karunaweera, S. Fernando (2006), A neural network architecture for automated recognition of intracellular malaria parasites in stained blood films,Proceedings of APAMI & CJKMI-KOSMI Conference, 4pp
  • [4] S. Widodo (2014), Texture analysis to detect malaria tropica in blood smears image using support vector machine,International Journal of Innovative Research in Advanced Engineering, pp.301-306
  • [5] S.K. Kumarasamy, S. Ong, K. Tan (May 2011), Robust contour reconstruction of red blood cells and parasites in the automated identification of the stages of malarial infection,Mach. Vis. Appl., 22(3), pp.461-469
  • [6] S. Raviraja, G. Bajpai, S. Sharma (2007), Analysis of detecting the malarial parasite infected blood images using statistical based approach,3rd Kuala Lumpur International Conference on Biomedical Engineering, pp.502-505
  • [7] S. Savkare and S. Narote (2012), Automatic system for classification of erythrocytes infected with malaria and identification of parasite’s life stage,Procedia Technol., 6, pp.405-410
  • [8] F.B. Tek, A. Dempster, I. Kale (2006), Malaria parasite detection in peripheral blood images,British Machine Vision Conference, pp.347-356
  • [9] M. Nixon and A. Aguado (2019), Feature Extraction and Image Processing for Computer Vision,Academic Press, 629pp
  • [10] B. Maiseli, J. Mei, H. Gao, S. Yin (2014), An automatic and cost-effective parasitemia identification framework for low-end microscopy imaging devices,International Conference on Mechatronics and Control (ICMC), pp.2048-2053
  • [11] S. Jalari and B.E. Reddy (2015), Segmentation of erythrocytes infected with malaria parasites for the diagnosis using microscopy imaging,Comput. Electr. Eng., 45, pp.336-351
  • [12] Y.-W. Hung, et al. (2015), Parasite and infected-erythrocyte image segmentation in stained blood smears,J. Med. Biol. Eng., 35(6), pp.803-815
  • [13] N. Linder, et al (2014), A malaria diagnostic tool based on computer vision screening and visualization of plasmodium falciparum candidate areas in digitized blood smears,PLOS ONE, 9, DOI: 10.1371/journal.pone.0104855
  • [14] I. Suwalka, A. Sanadhya, A. Mathur, M. Chouhan (2012), Identify malaria parasite using pattern recognition technique,International Conference on Computing, Communication and Applications, pp.1-4
  • [15] K. Prasad, J. Winter, U. Bhat, R.V. Ac-harya, G. Prabhu (2011), Image analysis approach for development of a decision support system for detection of malaria parasites in thin blood smear images,J. Digit. Imaging Off. J. Soc. Comput. Appl. Radiol., 25(4), pp.542-549
  • [16] S.F Toha and U.K. Ngah (2007), Computer aided medical diagnosis for the identification of malaria parasites,International Conference on Signal Processing, Communications and Networking, pp.521-522
  • [17] J.E. Arco, J.M. Górriz, J. Ramírez, I. Álvarez, C.G. Puntonet (2015), Digital image analysis for automatic enumeration of malaria parasites using morphological operations,Expert Syst. Appl., 42(6), pp.3041-3047
  • [18] D. Anggraini, A.S. Nugroho, C. Pratama, I.E. Rozi, V. Pragesjvara, M. Gunawan (2011), Automated status identification of microscopic images obtained f-rom malaria thin blood smears using Bayes decision: a study case in Plasmodium falciparum,International Conference on Advanced Computer Science and Information Systems, pp.347-352
  • [19] J. Gatc, F. Maspiyanti, D. Sarwinda, A. Arymurthy (2013), Plasmodium parasite detection on red blood cell image for the diagnosis of malaria using double thresholding,International Conference on Advanced Computer Science and Information Systems (ICACSIS), pp.381-385
  • [20] H. Lee and Y.-P.P. Chen (2014), Cell morphology based classification for red cells in blood smear images,Pattern Recognit. Lett., 49, pp.155-161
  • [21] L. Yunda, A. Alarcón, J. Millán (2012), Automated image analysis method for P. vivax malaria parasite detection in thick film blood images,Sist. y Telemática, 10(20), pp.9-25
  • [22] S. Suryawanshi and V. Dixit (2013), Improved technique for detection of malaria parasites within the blood cell images”,Int. J. Sci. Eng. Res., 4, pp.373-375
  • [23] M.L. Chayadevi and G. Raju (2015), Automated colour segmentation of malaria parasite with fuzzy and fractal methods,Smart Innov. Syst. Technol., 3, pp.53-63
  • [24] S.K. Reni, I. Kale, R. Morling (2012b), Automated P. falciparum detection system for post-treatment malaria diagnosis using modified annular ring ratio method,UKSim 14th International Conference on Computer Modelling and Simulation, pp.432-436
  • [25] S. Kareem, R.C.S. Morling, I. Kale (2011), A novel method to count the red blood cells in thin blood films,IEEE International Symposium of Circuits and Systems (ISCAS), pp.1021- 1024
  • [26] S.K. Reni, I. Kale, R.C.S. Morling (2012a), “Automated malaria parasite detection in thin blood films: a hybrid illumination and color constancy insensitive, morphological approach,IEEE Asia Pacific Conference on Circuits and Systems, pp.240-243
  • [27] C. Dallet, S.K. Reni, I. Kale (2014), Real time blood image processing application for malaria diagnosis using mobile phones,IEEE International Symposium on Circuits and Systems (ISCAS), pp.2405-2408
  • [28] L. Zou, J. Chen, J. Zhang, N. Garcia (2010), Malaria cell counting diagnosis within large field of view,International Conference on Digital Image Computing: Techniques and Applications, pp.172-177
  • [29] R.R. Devi, V. Rajagopal, S. Mohan, M. Gopu (2011), Computerized shape analysis of erythrocytes and their formed aggregates in patients infected with P. vivax malaria,Adv. Comput. An Int. J., 2(2), pp.71-77, DOI: 10.5121/acij.2011.2207
  • [30] V. Makkapati and R. Rao (2009), Segmentation of malaria parasites in peripheral blood smear images,IEEE International Conference on Acoustics, Speech and Signal Processing, pp.1361-1364
  • [31] X. Gual-Arnau, S. Herold-García, A. Simó (2015), Erythrocyte shape classification using integral-geometry-based methods,Med. Biol. Eng. Comput., 53(7), pp.623-633
  • [32] L.B. Damahe, R. Krishna, N. Janwe (2011), Segmentation based approach to detect parasites and RBCs in blood cell images,Int. J. Comput. Sci. Appl., 4(2), pp.71-81
  • [33] K. Chakrabortya (2015), A combined algorithm for malaria detection f-rom thick smear blood slides,J. Heal. Med. Informatics, 6(1), pp.645-652
  • [34] M.-T. Le, T. Bretschneider, C. Kuss, P. Preiser (2008), A novel semi-automatic image processing approach to determine Plasmodium falciparum parasitemia in Giemsa-stained thin blood smears,BMC Cell Biol., 9(1), DOI: 10.1186/1471-2121-9-15
  • [35] J. Somasekar, B.E. Reddy, E.K. Reddy, C.H. Lai (2011), An image processing approach for accurate determination of parasitemia in peripheral blood smear images,International Journal of Computer Applications, 1, pp.23-28
  • [36] D.K. Das, M. Ghosh, M. Pal, A.K. Maiti, C. Chakraborty (2013), Machine learning approach for automated screening of malaria parasite using light microscopic images,Micron, 45, pp.97-106
  • [37] N. Ahirwar, S. Pattnaik, B. Ac-harya (2012), Advanced image analysis based system for automatic detection and classification malarial parasite in blood images,Int. J. Inf. Technol. Knowl. Manag., 5(1), pp.59-64
  • [38] S. Savkare, S. Narote (2015), Automated system for malaria parasite identification,Proc. of Int. Conf. Commun. Inf. Comput. Technol., DOI: 10.1109/ICCICT.2015.7045660
  • [39] S. Kaewkamnerd, C. Uthaipibull, A. Intarapanich, M. Pannarut, S. Chaotheing, S. Tongsima (2012), An automatic device for detection and classification of malaria parasite species in thick blood film,BMC Bioinformatics, 13, Suppl. 17, DOI: 10.1186/1471-2105-13-S17-S18
  • [40] S. Punitha, P. Logeshwari, P. Sivaranjani, S. Priyanka (2017), Detection of malarial parasite in blood using image processing,Asian Journal of Applied Science and Technology (AJAST), 1(2), pp.211-213
  • [41] F. Sheeba, R. Thamburaj, J. Mammen, A. Nagar (2013), Detection of plasmodium falciparum in peripheral blood smear images,Proceedings of Seventh International Conference on Bio-Inspired Computing: Theories and Applications (BIC-TA 2012), pp.289-298
  • [42] Y. Purwar, S. Shah, G. Clarke, A. Almugairi, A. Muehlenbachs (2011), Automated and unsupervised detection of malaria parasites in microscopic images,Malar. J., 10, DOI: 10.1186/1475-2875-10-364
  • [43] A.S. Abdul-Nasir, M.Y. Mashor, Z. Mohamed (2013), Colour image segmentation approach for detection of malaria parasites using various colour models and K-means clustering,WSEAS Trans. Biol. Biomed., 10(1), pp.41-55
  • [44] M.-H. Tsai, S.-S. Yu, Y.-K. Chan, C.-C. Jen (2015), Blood smear image based malaria parasite and infected-erythrocyte detection and segmentation,J. Med. Syst., 39(10), DOI: 10.1007/s10916-015-0280-9
  • [45] G. Díaz, F.A. González, E. Romero (2009), A semi-automatic method for quantification and classification of erythrocytes infected with malaria parasites in microscopic images,J. Biomed. Inform., 42(2), pp.296-307
  • [46] F.B. Tek, A. Dempster, I. Kale (2010), Parasite detection and identification for automated thin blood film malaria diagnosis,Comput. Vis. Image Underst., 114, pp.21-32
  • [47] C. Di Ruberto, A. Dempster, S. Khan, B. Jarra (2002), Analysis of infected blood cell images using morphological operators,Image Vis. Comput., 20, pp.133-146
  • [48] M.I. Khan, B. Ac-harya, B. Kumar, J. Soni, B. Singh (2011), Content based image retrieval approaches for detection of malarial in blood images,Int. J. Biometrics Bioinformatics (IJBB), 5(2), pp.97-110
  • [49] S.W. Sio, et al. (2007), MalariaCount: an image analysis-based program for the accurate determination of parasitemia,J. Microbiol. Methods, 68(1), pp.11-18
  • [50] P. Rakshit and K. Bhowmik (2013), Detection of presence of parasites in human RBC in case of diagnosing malaria using image processing,2013 IEEE Second International Conference on Image Information Processing (ICIIP-2013), pp.329-334
  • [51] L. Gitonga, D. Maitethia Memeu, K. Kaduki, M. Kale, N. Muriuki (2014), Determination of plasmodium parasite life stages and species in images of thin blood smears using artificial neural network,Open J. Clin. Diagnostics, 4, pp.78-88
  • [52] N.E. Ross, C. Pritc-hard, D. Rubin, A. Duse (2006), Automated image processing method for the diagnosis and classification of malaria on thin blood smears,Med. Biol. Eng. Comput., 44, pp.427-436
  • [53] F.B. Tek, A.G. Dempster, I. Kale (2009), Computer vision for microscopy diagnosis of malaria,Malar. J., 8, DOI: 10.1186/1475-2875-8-153
  • [54] K.B. Beshir, N. Diallo, C.J. Sutherland (2018), Identifying recrudescent Plasmodium falciparum in treated malaria patients by real-time PCR and high resolution melt analysis of genetic diversity,Sci. Rep., 8, DOI: 10.1038/s41598-018-28179-2
  • [55] N. Siwal, et al. (2018), Malaria diagnosis by PCR revealed differential distribution of mono and mixed species infections by Plasmodium falciparum and P. vivax in India,PLOS ONE, 13(3), DOI: 10.1371/journal.pone.0193046
  • [56] B. Grabias, E. Essuman, I.A. Quakyi, S. Kumar (2019), Sensitive real-time PCR detection of Plasmodium falciparum parasites in whole blood by erythrocyte membrane protein 1 gene amplification,Malar. J., 18(116), DOI: 10.1186/s12936-019-2743-9
  • [57] (2010), Basic Malaria Microscopy - Part I: Learner’s Guide,https://www.who. int/malaria/publications/atoz/9241547820/en/
  • [58] Nguyễn Đức Hảo (2010), Xác định tỷ lệ mắc và thực trạng sử dụng thuốc tự điều trị sốt rét cho người ngủ rẫy tại xã Đắk R’Măng, huyện Đắk Glong, tỉnh Đắk Nông năm 2010,Luận văn Thạc sỹ, Trường Đại học Tây Nguyên
  • [59] Lục Tiểu Nguyên (2005), Tình hình sốt rét ở nhóm dân đi rừng ngủ rẫy và một số biện pháp can thiệp tại xã Sơn Thái, huyện Khánh Vĩnh, tỉnh Khánh Hòa,Tạp chí Y học Thực hành, 511, tr.110-114
  • [60] Nguyễn Văn Chương, Huỳnh Hồng Quang (2013), Sốt rét do ký sinh trùng khỉ Plasmodium knowlesi tại Việt Nam: tổng hợp và cập nhật y văn thế giới,Tạp chí Y học Dự phòng, 23(10), tr.47
  • [61] (2008), Đánh giá kết quả phòng chống sốt rét 2001-2008, định hướng kế hoạch phòng chống sốt rét (2009-2013) khu vực miền Trung và Tây Nguyên,Hội nghị Phòng chống sốt rét khu vực miền Trung - Tây Nguyên
  • [62] (2011), Phấn đấu đến năm 2030 sẽ loại trừ bệnh sốt rét,http:// baochinhphu.vn/Tin-noi-bat/Phan-dau-den-nam-2030-loai-tru-sot-ret/66091.vgp
  • [63] Nguyễn Thị Thu Vân (2019), Thực trạng và một số yếu tố liên quan đến nhiễm ký sinh trùng sốt rét ở vùng dân di biến động tại Bình Phước,Luận văn Thạc sỹ, Học viện Khoa học và Công nghệ
  • [64] (2016), Sổ tay xét nghiệm bệnh truyền nhiễm,
  • [65] (2016), Eliminating Malaria,https://www.who.int/malaria/publications/atoz/ eliminating-malaria/en/