革命性智能手机算法实现精准疾病诊断
- 新型智能手机成像算法让未受训练用户分析复杂检测，如HIV、卵巢癌抗原、结核病DNA。
- 通过生成小方差、高动态范围的平均像素强度工作。
智能手机已成为各应用高能力评估设备：比色测试、侧向层析分析、细胞计数分析、手机显微镜。因结合强大处理能力、复杂传感器、无线连接于小型设备，成可行选择。
这些设备不再仅用于自拍，成为特定场景下诊断医疗条件的吸引人选。让无经验者收集数据发送给医疗专业人员。
考虑所有智能手机特性，佛罗里达大西洋大学研究人员创建新型智能手机成像算法，让未受训练用户分析通常由本征复杂强大技术——光谱学评估的检测。
如何做到？
现有手机板载相机硬件不够智能，限制设备效用。为解决限制获取准确结果，使用外部硬件。
如今所有手机相机设计为更好照片外观而非定量图像评估。此外许多生化检测缺乏可重复稳健智能手机类比。
研究中开发基于智能手机图像预处理技术，生成比传统技术方差更小、动态范围更宽的平均像素强度 (MPI)。
智能手机图像原生存储为RGB像素强度组，新方法用HSV（色相、饱和度、颜色）空间饱和度参数实现即时诊断。
参考：Analyst (RSC) | doi:10.1039/C8AN02521E | FAU
饱和度分析不受主要限制因素影响：光照水平变化、阴影、环境光变化。事实上方法提高实用性、重复性、拍照噪声抑制，减少基于图像即时检测设备开销。
结果
团队分析超10,000张图片，发现算法在不同现场操作场景下持续优于所有其他现有方法。用三款智能手机拍摄所有图像：三星Galaxy Edge 7、iPhone 6、Moto G，相机分别12、12、5百万像素。
诊断检测图像通过手机相机捕获，感兴趣区域(ROI)转换至HSV，应用MPI分析确定样品浓度和吸光度 | 研究人员提供
测量算法性能，测试相机距离、运动、倾斜敏感度，不同条件拍摄图像，检查浓度响应和直方图特性。也分析环境光照水平、饱和度属性、检测限、与RGB色彩空间关系。
对比饱和度分析与传统RGB方法，研究人员确认技术在环境光噪声下经验和分析层面均增强性能。
也演示拍摄图像理想条件：纯白背景、恒定白光、智能手机零角度位移、最小样品距离。
将算法应用于分析生物化学检测——酶联免疫吸附测定，专门用于识别量化抗体、蛋白、肽、激素等物质。结果显示饱和度分析实现无设备HIV准确检测。
延伸阅读：无需GPS定位智能手机的线性算法
研究人员计划进一步改进算法使诊断过程快速、精确、廉价。
工业技术