Procesamiento y segmentación de las imágenes del mycobacterium tuberculosis en muestras de esputo para el apoyo al diagnóstico de la tuberculosis en la baciloscopía

Abstract

El Perú, en el continente Americano, es el segundo país con más carga de casos de tuberculosis (TB) después de Brasil. El2012 notificó 31.000 casos que representa el 12% de la carga total para las Américas [2]. La Organización Panamericana de la Salud recomienda el método de la baciloscopía para el diagnóstico de la tuberculosis, ya que es simple, económico y eficiente para detectar los casos infecciosos. Por eso es la herramienta fundamental de un programa de control de la tuberculosis [3]. En la baciloscopía, la lectura de un número insuficiente de campos, la observación de un solo nivel del extendido y poco entrenamiento para diferenciar bacilos de artificios de coloración, generan imprecisión en el diagnóstico. Se busca mediante algoritmos de procesamiento de imágenes apoyar al diagnóstico de la TB, ya que en estos métodos computacionales pueden llegar a ser eficientes y rápidos. Por eso, la investigación presentada desarrolla un conjunto de herramientas computacionales, programadas para procesar, segmentar y clasificar los bacilos de las muestras del esputo. Se han usado muestras del Hospital Dos de Mayo. Las imágenes de dichas muestras se adquirieron a través de un microscopio Olympus CX31, una cámara Olympus EVOLT E-520 y una laptop TOSHIBA con procesador Core i5. Se ha usado para esta aplicación la conversión del Espacio de Color RGB al Espacio de color CIE L *a*b* como parte del preprocesamiento de las imágenes, luego se ha aplicado el método de segmentación Región de Crecimiento para obtener a los bacilos de la imagen, finalmente se ha clasificado los objetos segmentados, mediante área, excentricidad, longitud de largo y longitud de ancho, para poder diferenciar entre 1 hasta 4 bacilos.