Premio FRIDA/IGF2011

Los helmintos intestinales constituyen un grave problema de salud pública en diversas regiones del mundo. Su presencia está asociada, casi siempre, al bajo desarrollo económico, carencia de saneamiento básico y falta de higiene, causando disminución de la capacidad productiva de individuos adultos parasitados y la falta de crecimiento, aprehensión y desarrollo cognoscitivo en niños y adolescentes. Siendo tan frecuentes, el diagnóstico de rutina es la técnica denominada en fresco, que implica la visualización directa y reconocimiento morfológico en una muestra, por parte del especialista. El problema de esta técnica, a pesar de su simpleza y bajo costo, es su baja sensibilidad. También se tienen métodos más sofisticados de diagnóstico, como el análisis de ADN, pero esta requiere de profesionales y laboratorios más especializados.
En el presente proyecto se presenta un modelo computacional que permite de forma automática la detección, caracterización y diagnóstico de la especie de parásito que se encuentra en la muestra fecal, a través del reconocimiento de formas a partir de imágenes digitales. El uso de algoritmos computacionales para análisis y reconocimiento de formas vienen siendo frecuentemente utilizados en varias aplicaciones, como la identificación de huellas digitales, reconocimiento de rostros humanos, entre otros. Sin embargo, la aplicación totalmente integrada y automatizada de esta tecnología, aplicada al diagnóstico remoto de agentes patogénicos, es inédita y representa un nuevo paradigma en el área de diagnóstico de parásitos.
Nuestro enfoque comprende las distintas etapas del proceso de diagnóstico: detección, caracterización y clasificación de huevos de helmintos. Para la detección de los huevos de parásitos se aplicó la técnica de regiones salientes con el fin de permitir la segmentación de imágenes, y multithresholding-kmeans para la diferenciación entre los huevos y las impurezas de la muestra, obteniéndose un acierto de 92% en la identificación de objetos. La caracterización de los objetos de interés comprende la extracción de características geométricas, morfológicas y de textura, habiendo conseguido conformar un vector que contiene sólo 8 características. Para el proceso de clasificación de la especie se aplicó técnicas de aprendizaje supervisado, habiéndose experimentado con clasificadores Bayesiano (93.5% de acierto) y con Support Vector Machine (94.0% de acierto). Finalmente se ha implementado una plataforma que permite realizar el diagnóstico en tiempo real vía web (www.pibapunsa.org), donde los usuarios pueden enviar sus imágenes a nuestro servidor, el mismo que es analizado automáticamente, y obteniendo como resultado el diagnóstico de la especie en consulta. Este aspecto es particularmente importante, toda vez que el transporte de muestras vivas representa un potencial riesgo sanitario. Por el sistema computarizado, al contrario, los usuarios sólo requieren enviar muestras en formato de imagen digital sin ningún riesgo, y al ser un sistema en tiempo real, permite que el especialista pueda tomar una decisión más rápida.

CASTAÑÓN, C. A. B.; FRAGA, J. S.; FERNANDEZ, S.; GRUBER, A.; COSTA, L. F. Biological shape characterization for automatic image recognition and diagnosis of protozoan parasites of the genus Eimeria. Pattern Recognition, July 2007 v. 40, p. 1899-1910.
HUMPIRI, G.; CHUCTAYA, J. H.; GUTIERREZ, J.C.; BRUNO, O.M.; BELTRAN, C.A. Sistema Automático de Diagnóstico de Parásitos Helmintos. VII Workshop de Visao Computacional, (Trabajo aceptado) 22-25 Mayo de 2011, UFPR, Paraná - Brasil.
CHUCTAYA, J.H.; PATIÑO, R. E.; BELTRÁN, C.A.; Detection of helminth parasite eggs in digital biological micrographs. Simposio Brasileiro de Computación Gráfica y Procesamiento de Imágenes, Special session on Works in Progress. Septiembre 2010, Gramado - RS - Brasil.
CHUCTAYA, J.H.; MENA, J.; HUMPIRE, G.; RODRIGUEZ, A.; PATIÑO, R.E.; BELTRÁN, C.A. Detección de huevos de Helmintos mediante plantillas dinámicas. Conferencia Latinoamericana de Informática, CLEI 2010, Octubre 2010, Asunción - Paraguay.
Gabriel Humpire Mamani, Alexander Victor Rodriguez Velasquez. Detección de parásitos helmintos en imagenes microscópicas. III Simposio de Computación Gráfica y Procesamiento de Imágenes (SCGI-2009) (premiado como MEJOR ARTÍCULO).
Gabriel Humpire Mamani. Detección rápida de keypoints por clustering de color en imágenes digitales. IV Simposio de Computación Gráfica y Procesamiento de Imágenes (SCGI-2010).
Juan Herbert Chuctaya Humari. Detección de huevos helmintos mediante plantillas dinámicas. IV Simposio de Computación Gráfica y Procesamiento de Imágenes (SCGI-2010).
Raquel E. Patiño-Escarcina, Juan H. Chuctaya, G. Humpire, Alex Rodriguez, Cesar Beltran Castañón, Luiz Marcos Gonçalves. Image processing technologies through the web for Automatic diagnosis of Helminth parasites. Handbook of Research on ICTs for Healthcare and Social Services: Developments and Applications. Editors: Maria Manuela Cruz-Cunha and Isabel Maria Miranda. (Capítulo de Libro Aceptado)

- Premio Graña y Montero a la Investigación en Ingeniería (Primera Mención Honrosa - Segundo Puesto), 2010 (Fecha de premiación: 22 de Junio de 2011)