Tillgänglig, ansluten, och beräkningsmässigt kraftfull, smartphones är inte bara för "selfies" längre. De har framstått som kraftfulla utvärderingsverktyg som kan diagnostisera medicinska tillstånd i vårdinställningar. Smartphones är också en livskraftig lösning för sjukvård i utvecklingsländerna eftersom de tillåter otränade användare att samla in och överföra data till läkare.

Även om smarttelefonkamerateknologi idag erbjuder ett brett utbud av medicinska tillämpningar som mikroskopi och cytometrisk analys, i praktiken, mobiltelefon bildtest har begränsningar som kraftigt begränsar deras användbarhet. För att komma till rätta med dessa begränsningar krävs extern smarttelefonhårdvara för att få kvantitativa resultat - vilket innebär en designavvägning mellan tillgänglighet och noggrannhet.

Forskare från Florida Atlantic University's College of Engineering and Computer Science har utvecklat en ny bildalgoritm för mobiltelefoner som möjliggör analys av analyser som vanligtvis utvärderas via spektroskopi, en mycket sofistikerad och kraftfull enhet som används i vetenskaplig forskning.

Genom analysen av mer än 10, 000 bilder, forskarna har kunnat visa att mättnadsmetoden som de utvecklat konsekvent överträffade befintliga algoritmer under ett brett spektrum av driftfältförhållanden. Deras fynd, publicerad i tidningen Analytiker av Royal Society of Chemistry, är ett steg framåt för att utveckla vårddiagnostik genom att minska behovet av nödvändig utrustning, förbättra detektionsgränsen, och öka precisionen i kvantitativa resultat.

"Smartphone-kameror är optimerade för bildutseende snarare än för kvantitativa bildbaserade mätningar, och de kan inte kringgås eller vändas enkelt. Vidare, de flesta laboratoriebaserade biologiska och biokemiska analyser saknar fortfarande en robust och repeterbar mobiltelefonanalog, "sa Waseem Asghar, Ph.D., huvudförfattare och biträdande professor vid FAU:s institution för dator- och elektroteknik och datavetenskap. "Vi har kunnat utveckla en mobiltelefonbaserad bildförbehandlingsmetod som ger en genomsnittlig pixelintensitet med mindre variationer, lägre detektionsgränser, och ett högre dynamiskt omfång än befintliga metoder. "

För studien, Asghar och medförfattare Benjamin Coleman och Chad Coarsey, doktorander vid Asghar Laboratory i FAU's College of Engineering and Computer Science, utförde bildtagning med tre smartphones:Android Moto G med en 5 megapixel (MP) kamera; iPhone 6 med en 12 MP kamera, och Samsung Galaxy Edge 7 med en 12 MP kamera.

De testade för bildtagning vid olika förhållanden, uppmätt algoritmprestanda, testad känslighet för kameravstånd, lutning och rörelse, och undersökte histogramegenskaper och koncentrationssvar. De undersökte också detektionsgräns samt egenskaper för mättnad, omgivande belysningsnivåer och relation med rödgrönblått (RGB) färgutrymme. Mobiltelefonbilder lagras ursprungligen som matriser med RGB -pixelintensiteter, brukar kallas färgkanaler.

Med hjälp av flera tusen bilder, forskarna jämförde mättnadsanalys med befintliga RGB -metoder och fann att det både analytiskt och empiriskt förbättrade prestanda i närvaro av additivt och multiplikativt omgivande ljusbrus. De visade också att mättnadsanalys kan tolkas som en optimerad version av befintliga RGB -förhållandeprov. De verifierade att de perfekta bildtagningsförhållandena inkluderar konstant vitt ljus, en ren vit bakgrund, minimalt avstånd till provet och noll vinkelförskjutning av kameran.

Asghar, Coleman och Coarsey applicerade också testet på en ELISA (enzymkopplad immunosorbentanalys), en plattbaserad analysteknik utformad för att detektera och kvantifiera ämnen som peptider, proteiner, antikroppar och hormoner. De upptäckte att för hiv, mättnadsanalys möjliggjorde en utrustningsfri utvärdering och en detektionsgräns var betydligt lägre än vad som för närvarande är tillgängligt med RGB-metoder.

Den FAU-utvecklade metoden representerar en förbättring av repeterbarhet, praktiskhet, och avbildning av brusavvisning. Dessutom, mättnadsanalys påverkas inte av många av de största begränsande faktorerna för bildbaserade tester, som variationer i omgivningsbelysning, skuggning, och varierande ljusnivåer. Forskarna räknar med att de gynnsamma egenskaperna hos mättnadsanalys kommer att stöta på och möjliggöra bildbaserade vårdtest med mobiltelefon med mindre utrustningskostnader och lägre detektionsgränser.

"Forskningen som äger rum i Asghar -laboratoriet vid Florida Atlantic University har viktiga konsekvenser för diagnostisk medicin och leverans av sjukvård i utvecklade såväl som utvecklingsländer, sa Stella Batalama, Ph.D., dekanus vid FAU's College of Engineering and Computer Science. "Professor Asghar och hans team drivs att fortsätta utveckla spetsteknik som har förmåga att fjärr upptäcka och diagnostisera sjukdomar snabbt, exakt och billigt. Den senaste algoritmen som de har utvecklat är en av de många framsteg de gör på detta område. "