新的智能手机算法可以准确诊断疾病

智能手机已成为各种应用的功能强大的评估设备，例如比色测试、横向流动分析、细胞计数分析和手机显微镜。它们是一个可行的选择，因为它们将强大的处理能力、复杂的传感器和无线连接结合到一个小型设备中。

这些设备不再仅用于自拍，它们已成为在特定环境下诊断医疗状况的有吸引力的选择。它们允许没有经验的人收集数据并将其发送给医疗专业人员。

牢记所有这些智能手机功能，佛罗里达大西洋大学的研究人员创建了一种新颖的智能手机成像算法，使未经培训的用户能够分析通常由称为光谱学的内在复杂且强大的技术进行评估的分析。

现有手机的板载摄像头硬件不够智能，限制了设备的实用性。为了解决这些限制并获得准确的结果，我们使用了外部硬件。

今天，所有手机摄像头的设计目的都是为了更好的图片外观，而不是基于图像的定量评估。此外，许多生化分析缺乏可重复且可靠的智能手机类似物。

在这项研究中，研究人员开发了一种基于智能手机的图像预处理技术，与传统技术相比，该技术可生成具有更小方差和更宽动态范围的平均像素强度 (MPI)。

虽然智能手机图像本机存储为 RGB 像素强度组，但新方法使用 HSV（色调、饱和度、颜色）空间的饱和度参数来实现即时诊断。

参考：分析师 (RSC) | doi:10.1039/C8AN02521E |故障

饱和度分析不受主要限制因素的影响，例如不同的光照水平、阴影和环境照明变化。事实上，该方法提高了实用性、可重复性和照片捕获噪声抑制，同时减少了基于图像的即时检验的设备开销。

该团队分析了 10,000 多张图片，发现他们的算法在不同的操作现场场景下始终优于所有其他现有方法。他们使用 3 部智能手机拍摄了所有图像：三星 Galaxy Edge 7、iPhone 6 和配备 12、12 和 5 MP 摄像头的 Moto G。

诊断化验图像通过手机摄像头捕捉，感兴趣区域 (ROI) 被转换为 HSV。然后应用 MPI 分析来确定样品的浓度和吸光度。 |研究人员提供

他们测量了算法的性能，测试了对相机距离、运动和倾斜的敏感性，在不同条件下捕获图像，并检查了浓度响应和直方图特征。此外，他们还分析了环境光照水平、饱和度属性、检测限以及与 RGB（红、绿、蓝）色彩空间的关系。

在将饱和度分析与传统的 RGB 方法进行比较后，研究人员证实，他们的技术在存在环境光噪声的情况下提高了性能（无论是经验上还是分析上）。

他们还展示了捕获图像的理想条件，包括纯白色背景、一致的白光、智能手机的零角位移以及与样品的最小距离。

他们将他们的算法应用于分析生物化学测定，称为酶联免疫吸附测定，专为识别和量化抗体、蛋白质、肽和激素等物质而开发。根据结果，饱和度分析实现了准确、无设备的 HIV 检测。

阅读：一种无需 GPS 即可定位智能手机的线性算法

研究人员计划进一步改进他们的算法，使诊断过程快速、精确且成本低廉。

工业技术