Análise automatizada em géis de eletroforese unidimensionais utilizando técnicas de processamento de imagens - AAGEU

Abstract

Resumo: Este trabalho apresenta uma abordagem computacional automatizada para realizar a detecção de estruturas pertencentes às imagens de géis de eletroforese unidimensionais, como colunas e marcadores. Foi desenvolvido um algoritmo em linguagem C, com auxílio da biblioteca OpenCV para processar as imagens. As imagens foram submetidas a uma fase de pré-processamento com recortes, alinhamentos e aplicação de um filtro bi-lateral. A metodologia abordada para detectar o marcador fez uso da imagem segmentada e da informação contida em cada coluna. No caso da obtenção das colunas a imagem binarizada passou por um processo de abertura morfológica e em seguida cada coluna foi representada por um vetor e baseado em seu conteúdo delimitadas as colunas. Os resultados demonstram que a metodologia utilizada é válida, e que através de técnicas simples é possível resolver o problema, sem a necessidade de se desenvolver ou utilizar técnicas mais complexas ou altamente custosas computacionalmente. A técnica obteve 73% de acertos na identificação do marcador, com base nos testes realizados e as dificuldades encontradas estavam relacionadas com o contraste e a presença de ruídos e manchas em algumas imagens. No caso do algoritmo para a identificação das colunas, a técnica alcançou 82% de acertos e foi possível notar que o algoritmo conseguiu identificar todas ou pelo menos a maior parte das colunas que estavam presentes nas imagens, e esse sucesso foi devido aos poços estarem alinhados e as imagens possuírem boa qualidade, assim evidenciando suas informações.

Abstract: This paper presents a computational approach to perform automated detection of structures belonging to the images of one-dimensional gels electrophoresis like pillars and markers. We developed an algorithm in C language with the aid of the OpenCV library to process the images. The images were submitted to a phase of preprocessing with cutouts, alignments and applying a filter bi-lateral. The methodology discussed to detect the marker made use of the segmented image and the information contained in each column. In the case of columns to obtain the binarized image has undergone a process of morphological opening and then each column is represented by a vector-based and content-defined columns. The results show that the methodology is valid, and that simple techniques can solve the problem without the need to develop or use more complex techniques or highly expensive computationally. The technique achieved 73% accuracy in identifying marker, based on tests and the difficulties encountered were related to the contrast and the presence of noise and spots on some images. Under Algorithm for the identification of columns, the technique reached 82% of correct answers and was possible to notice that the algorithm able to identify all or at least most columns that were present in images, and that success was due to the wells being aligned and the images were good quality, so showing your information