Клинический анализ крови – один из самых распространенных видов медицинских исследований. Процесс выполнения данного анализа является трудоемким и требует несколько оператор-зависимых этапов. Предварительная подготовка материала после разделения сыворотки на фракции включает аликвотирование – перенос биоматериала из первичной пробирки во вторичные. При этом пипетку для забора крови непосредственно на анализ необходимо погружать на различные глубины в зависимости от уровня границ между фракциями. Нередко на данном этапе из-за человеческого фактора возникают ошибки, которые значительно снижают качество исследования. Низкое качество исследования, помимо необходимости повторного забора крови, может привести к диагностическим ошибкам.
Ученые Университета МИСИС совместно с коллегами из БГТУ им. В. Г. Шухова и НИЦЭМ им. Н. Ф. Гамалеи ведут разработку роботизированной системы на основе машинного зрения, которая во время подготовки материала для анализа крови позволяет автоматически определять уровень границ между фракциями сыворотки в пробирке. Разработка ученых позволит ускорить лабораторные исследования и сократить вероятность ошибок. Результаты исследования опубликованы в журнале Machines.
Авторами используется пороговый алгоритм, использующий цветовую модель HSV (тон-насыщенность-яркость), и сверточная нейронная сеть архитектуры U-net. Первый алгоритм требует для обучения меньшего количества изображений и обладает низкой трудоемкостью их предварительной подготовки. Нейронная сеть обеспечивает высокую точность сегментации изображения, а разработанный на ее основе алгоритм позволяет вычислять глубину, на которую необходимо погрузить пипетку для взятия аликвот. При этом учитывается характер границы раздела фракций, что гарантирует получение максимального количества аликвот и сохранения высокого качества диагностического исследования. Нейронная сеть обеспечивает точность сегментации изображения около 98%, а разработанный на ее основе алгоритм вычисляет глубину, на которую необходимо погрузить пипетку для забора сыворотки крови, с погрешностью менее 0,5 мм, что соответствует половине стандартной аликвоты.
.png)
Диаграмма процесса формирования аликвот с использованием машинного зрения
В дальнейшем ученые планируют полностью роботизировать процесс проведения анализа крови — один из роботов будет брать со штатива пробирку с биоматериалом, перемещать ее в рабочую зону, дожидаться забора плазмы и устанавливать пробирку в другой штатив. Второй робот должен будет выполнить забор плазмы, дозированно разлить ее по маленьким пробиркам, избавиться от сменного наконечника и установить новый.
.jpg)