Skip to content

Detección y clasificación de colonias en placas de Petri con técnicas de procesamiento de imágenes

El problema

El crecimiento de bacterias en un medio de cultivo sólido es utilizado en experimentos de laboratorios de Microbiología para cuantificar y detectar la presencia de bacterias en muestras. Estas pueden ser biológicas, de agua o de suelo, entre otras. Si se parte de muestras biológicas es posible su uso en el diagnóstico de enfermedades. Debido a esto, poder automatizar el conteo de las colonias formadas es de gran ayuda para el trabajo de laboratorio.

Dataset a utilizar

El dataset utilizado se llama AGAR1, este fue desarrollado por un equipo de trabajo de la empresa Neurosys 2 y la Universidad de Wroclaw, Polonia. El mismo contiene mas de 18000 imágenes de colonias en placas de Petri con 5 especies de bacterias anotadas. Estas imágenes se dividen en dos grandes grupos, por un lado basándose en la iluminación del fondo, si tienen fondo claro, oscuro o ambiguo. Por otro lado de acuerdo a la cantidad de colonias de bacterias presentes, si hay colonias presentes, si no hay o si son incontables (mayor a 300 colonias).

Descripción del Dataset

El dataset, con un tamaño de 32 GB, está organizado según el ID de la imagen y cuenta con una licencia Creative Commons Attribution-NonCommercial 2.0 Generic, que permite su uso libre con fines de investigación. Para obtener acceso al dataset, fue necesario contactar a Neurosys mediante correo electrónico.

Tipo Iluminación Clara Iluminación Oscura Vago (el fondo puede variar) Baja resolución
Vacía 1-308 2089-2711 11738 - 11760 12732 - 12993
Contable 309-1302 2712-8709 11761 - 12617 12994 - 17417
Incontable 1303-2088 8710-11737 12618 - 12731 17418 - 18000

Cada imagen está anotada con un archivo de tipo JSON con esta estructura:

{
    "background": "vague",
    "classes": [
        "E.coli",
        "S.aureus"
    ],
    "colonies_number": 6,
    "labels": [
        {
            "class": "S.aureus",
            "height": 57,
            "id": 1,
            "width": 57,
            "x": 2519,
            "y": 1842
        }, …..]
}

Descripción del JSON de anotación

Cada campo refiere a una característica diferente de las colonias en la imagen:

  • background El tipo de iluminación que tiene el fondo y elo área que rodea la placa de Petri.
  • classes Las especies que se encuentran presentes en la placa de Petri.
  • colonies_number: La cantidad de colonias presentes,

  • labels: Un listado de todos los cuadrados delimitadores junto a sus características.

    • class: La especie de la bacteria.
    • height: La altura del cuadrado.
    • id: El ID interno dentro de la placa de Petri de la colonia.
    • width: El ancho del cuadrado
    • x: La posición en el eje y del punto superior izquierdo del cuadrado.
    • y: La posición en el eje x del punto superior izquierdo del cuadrado.

Ejemplos de imágenes

En la Figura 1, se observa como ejemplo una de las imágenes del dataset.

Figura 1: Imagen con iluminación clara pero con una cantidad incontable de bacterias.

Uno de los problemas en la detección de colonias es la presencia de aglomerados de colonias como se muestra en la Figura 2, Estos aglomerados consisten en varias colonias que se fusionaron durante el crecimiento, pero a vistas del conteo y clasificación deben ser tratadas como entidades diferentes.

Figura 2: Porción de una placa de Petri con iluminación clara pero con la presencia de un aglomerado.

En la Figura 3 se puede observar un resumen de todos los tipos de especies de colonias, junto con los diferentes tipos de iluminación. También se puede ver como todas las colonias tienen un recuadro que las engloba, este puede ser que no esté centrado o tenga un tamaño levemente mayor a la colonia original.

Figura 3: Se muestra una imagen que describe el dataset, extraída del paper de presentación del mismo.

Acerca de

Este proyecto forma parte de la evaluación final de la unidad curricular Tratamiento de Imágenes por Computadora, FING, UdelaR. Este proyecto fue llevado a cabo por Lic. Matías Rolando y tutoreado por Emilio Martinez. En el marco del posgrado Maestría en Ciencia de Datos y Aprendizaje Automático.

Referencias

  1. Sylwia Majchrowska, Jarosław Pawłowski, Grzegorz Guła, Tomasz Bonus, Agata Hanas, Adam Loch, Agnieszka Pawlak, Justyna Roszkowiak, Tomasz Golan, and Zuzanna Drulis-Kawa. Agar a microbial colony dataset for deep learning detection. 2021. arXiv:2108.01234. ↩

  2. Apr 2024. URL: https://neurosys.com/. ↩