Algoritmo basado en procesamiento de imágenes para la detección de un analito de interés utilizando carbon dots

Abstract

RESUMEN: Según la Organización Mundial de la Salud (Who, 2017), poco menos de la mitad de la población mundial tiene acceso a diagnósticos médicos. Esto se da en principio por la falta de laboratorios, déficit de personal médico capacitado, y de equipos de diagnóstico adecuados, resultando en un acceso limitado a diagnósticos, servicios deficientes y calidad inadecuada. Por lo anterior, en este trabajo se pretende desarrollar un algoritmo basado en procesamiento de imágenes, para la detección de biomoléculas utilizando biosensores basados en Carbon Dots, para aportar al portafolio de tecnologías disponibles para diagnóstico. Para esto, se llevaron a cabo distintas técnicas de filtrado y segmentación en la imagen, y se validaron los resultados hallando la correlación entre los datos de intensidad obtenidos por medio de medidas de tendencia central como la moda y media. Se determinó que los datos de la moda de intensidad de la imagen con filtrado Gaussiano y sometidas a corrección del contraste muestran un comportamiento proporcional entre la fluorescencia y la concentración del analito de interés. Sin embargo, se halló una gran variabilidad entre los datos de diferentes tandas del sistema, respaldado por un bajo coeficiente de correlación, que indicaría que no es posible desarrollar un modelo representativo del comportamiento del sistema completo de muestras.

ABSTRACT: According to WHO, a little less than half of the population have access to medical diagnosis. This is due to the lack of laboratories, deficit of trained medical personnel and diagnosis equipment, poor service, and inadequate quality. Therefore, in this work we intend to develop an algorithm based on image processing, for the detection of biomolecules using Carbon Dots, to contribute to the portfolio of technologies available for diagnosis. To do so, we carried out different filtering and segmentation techniques, and results were validated by finding the correlation between data intensity obtained through central tendency measures like the mean and the mode. It was determined that using the image’s intensity’s mode, along with a Gaussian filter and subjected to Gamma correction, the data shows a proportional behavior of the fluorescence and the analyte concentration. However, we found great variability among the data from different sets, supported by a low correlation coefficient, that could indicate it is not possible to develop a model that’s representative of the behavior of the whole data set.