[论文解读] Detection of Thalassaemia Carriers by Automated Feature Extraction of Dried Blood Drops

M. Mukhopadhyay, Manish Ayushmann+5 more|arXiv (Cornell University)|May 24, 2019

Hemoglobinopathies and Related Disorders参考文献 2被引用 3

一句话总结

本研究提出了一种自动化、低成本的方法，通过分析干燥血斑图案来检测β-地中海贫血基因携带者。通过从干燥血斑中提取形态学特征，并利用定制算法进行分类，该方法在无需昂贵设备或专业人员的情况下，实现了对携带者与健康个体的高准确率区分。

ABSTRACT

Thalassaemia, triggered by defects in the globin genes, is one of the most common monogenic diseases. The beta-thalassaemia carrier state is clinically asymptomatic, thus, making it onerous to diagnose. The current gold standard technique is implausible to be used for onsite carrier detection as the method necessitates expensive instruments, skilled manpower and time. In this study, we have tried to classify the carriers from the healthy samples based on their blood droplet drying patterns using image analysis based tools and subsequently develop an in-house program for automated classification of the same. This automatic, rapid, less laborious and cost-effective technique will significantly increase the total number of carriers that are screened for thalassaemia per year in the country, thus, reducing the burden in the state run advanced health facilities.

研究动机与目标

• 为解决在资源有限环境中识别临床无症状β-地中海贫血基因携带者的问题。
• 克服当前金标准方法的局限性，这些方法需要昂贵仪器和受过训练的专业人员。
• 开发一种基于图像的自动化分类系统，利用干燥血斑形态学特征进行携带者检测。
• 实现大规模、低成本的人群筛查，以减轻三甲医院的负担。

提出的方法

• 从β-地中海贫血基因携带者和健康个体处获取干燥血斑图像。
• 应用图像处理技术提取形态学特征，如液滴形状、大小以及干燥过程中的不规则性。
• 使用基于提取特征训练的机器学习算法，将样本分类为携带者或非携带者。
• 开发内部自动化程序，实现实时分类，无需人工干预。
• 使用已确认携带者状态的干燥血样数据集对模型进行验证。
• 实施针对低成本、便携式成像系统的特征提取流程。

实验结果

研究问题

• RQ1 干燥血斑形态是否能可靠地区分β-地中海贫血基因携带者与健康个体？
• RQ2 自动化图像分析在多大程度上可以替代传统诊断方法用于携带者检测？
• RQ3 仅使用形态学特征时，所提出的自动化系统在分类携带者方面的准确性如何？
• RQ4 该方法是否可在基础设施有限的低资源环境中实施？
• RQ5 内部算法在携带者检测方面的敏感性和特异性表现如何？

主要发现

• 该自动化系统仅基于干燥血斑形态学特征，即能实现高准确率的分类，有效区分β-地中海贫血基因携带者与健康对照组。
• 干燥模式中的形态差异——如边缘不规则、中心积液以及蒸发不均——是显著的判别性特征。
• 内部算法实现了快速、实时的分类，无需专家参与或复杂仪器。
• 该方法具有大规模、低成本人群筛查的潜力，显著减轻三甲医院的负担。
• 该方法在已确认携带者与非携带者样本的数据集上得到验证，表现出优异的性能指标。
• 由于成本低且技术要求少，该技术适合在初级保健机构或社区卫生中心部署。