1Abstract— The correct determination of blood groups is very important to prevent complications during transfusion practices, since cannot exists incompatibility between donor and blood receiver. The ABO and Rh blood group systems currently are the most used, because allow to get results in a simple and low-cost way. This work presents a method for blood typing of lamina samples using digital image processing. During samples analysis (48 samples of 30 different patients with 18 high resolution pictures taken with a 5 Megapixels camera and 30 low resolution pictures taken with a webcam 640x360 pixels), the proposed method presented a hit ratio of 97.92% for Anti-A samples with sensibility of 100% and specificity of 96,3%. The hit ratio presented in Anti-B tests was 89.58% with a sensibility of 83.33% and specificity of 92,86%. During Anti-D reagent analysis, the developed method presented a better efficacy in high resolution pictures analysis, with 88.89% of hit ratio, 84.62% of sensibility and 100% of specificity.

Keywords— Counting of Bacterial Colony, image processing,

free software.

I. INTRODUÇÃO

sangue é o fluído mais importante do corpo humano, no qual é responsável pela circulação de importantes

nutrientes, enzimas e hormônios em todo o corpo, além da mais crítica substância, o oxigênio [1].

O sangue é formado por diversos tipos de células, imersas em um líquido chamado plasma. As células sanguíneas são classificadas em três grupos básicos: os leucócitos ou glóbulos brancos, que são células de defesa integrantes do sistema imunológico, e os eritrócitos, glóbulos vermelhos ou hemácias, responsáveis pela coagulação sanguínea e pelo transporte de oxigênio e plaquetas [2].

As hemácias possuem em sua membrana substâncias conhecidas como aglutinogênios, que são classificados como antígenos. Os antígenos são substâncias ativas capazes de provocar uma resposta imune que produzirá anticorpos para a defesa imunológica, quando em contato com organismos que não as possuem [3].

Vários antígenos estão contidos no sangue, o que pode causar uma reação imunológica, por isso, há a necessidade de avaliar a compatibilidade antes de realizar procedimentos transfusionais [1]. Tais reações imunológicas ocorrem porque cada receptor das transfusões sanguíneas pode desenvolver anticorpos contra diversos antígenos, por isso a identificação

F. P. Xavier, Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), João Pessoa, Paraíba, Brasil, felipefpx@gmail.com

L. G. A. Silva, Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), João Pessoa, Paraíba, Brasil, lucasarasil1@gmail.com C. D. M. Regis, Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), João Pessoa, Paraíba, Brasil, danilo.regis@ifpb.edu.br

Corresponding author: Felipe Porge Xavier.

do tipo sanguíneo é essencial para determinar se uma pessoa poderá receber uma transfusão de sangue de um doador específico [4].

Os procedimentos transfusionais são de suma importância para o tratamento de pacientes vitimas de quadros médicos com grande perca de sangue. A correta determinação dos tipos sanguíneos do doador e do paciente receptor são cruciais para evitar reações imunológicas graves, que podem levar o paciente ao óbito. Atualmente, o procedimento de tipagem sanguínea é realizado por técnicos especializados, o que torna o resultado dependente da interpretação dos técnicos. Existem também sistemas automatizados que realizam o procedimento de forma mais confiável, porém esses sistemas ainda são caros, o que dificulta a implantação em clínicas de pequeno porte [5].

Por meio da utilização de métodos de processamento de imagens, é possível desenvolver sistemas computacionais com a capacidade de realizar o procedimento de tipagem sanguínea de maneira precisa, o que evita a ocorrência de reações transfusionais ocasionadas por erro humano. Com base nisso, este trabalho descreve um método de tipagem sanguínea de amostras sanguíneas do método das lâminas, utilizando processamento digital de imagens por meio da biblioteca OpenSource OpenCV, o que o torna uma alternativa na automatização do processo de tipagem.

Alguns trabalhos relacionados, como [6] e [7], os autores descrevem sistemas baseados em softwares proprietários e seus métodos baseiam-se na utilização do desvio padrão para a classificação das amostras quanto a presença ou não de aglutinação. Este trabalho utiliza uma biblioteca de código aberto e diferentes limiares para ABO e Rh.

II. FUNDAMENTAÇÃO TEÓRICA

Sistema ABO de Grupos Sanguíneos O Sistema ABO foi o primeiro dos grupos sanguíneos

descobertos em 1900, pelo cientista austríaco Karl Landsteiner. Fazendo reagir amostras de sangue de diversas pessoas, ele isolou os glóbulos vermelhos (hemácias) e fez diferentes combinações entre plasma e hemácias, tendo como resultado a presença de aglutinação dos glóbulos em alguns casos, e sua ausência em outros [8].

Os quatro tipos sanguíneos presentes no sistema ABO são reconhecidos de acordo com a presença e/ou ausência dos antígenos A e/ou B na membrana eritrocitária. Se apenas o antígeno A está presente na membrana das hemácias, têm-se o tipo sanguíneo A; se apenas o antígeno B está presente na membrana eritrocitária, têm-se o tipo sanguíneo B; se ambos os antígenos A e B estão presentes na membrana das

O

ABO/Rh Blood Typing Method for Samples on Microscope Slides by using Image Processing

Techniques F. P. Xavier, L. G. A. Silva and C. D. M. Regis

IEEE LATIN AMERICA TRANSACTIONS, VOL. 16, NO. 3, MARCH 2018 885

hemácias, têm-se o sangue tipo AB; e se os antígenos A e B não estiverem presentes na membrana eritrocitária, têm-se o tipo sanguíneo O [3, 4].

Em uma transfusão de sangue, os anticorpos presentes no plasma sanguíneo reagem com os antígenos presentes nas hemácias do sangue transfundido, podendo causar uma reação na transfusão [3].

TABELA I RELAÇÃO ENTRE OS TIPOS SANGUÍNEOS DO SISTEMA ABO E

SEUS RESPECTIVOS ANTÍGENOS E ANTICORPOS

TIPO (Sistema ABO)

ANTÍGENO (Membrana Eritrocitária)

ANTICORPO (Plasma Sanguíneo)

A Aglutinogênio A Aglutinina Anti-B B Aglutinogênio B Aglutinina Anti-A

AB Aglutinogênio A Aglutinogênio B -

O - Aglutinina Anti-A Aglutinina Anti-B

Sistema Rh de Grupos Sanguíneos O sistema Rh foi descoberto por Landsteiner no final da

década de 30 [4]. Assim como o sistema ABO, o sistema Rh classifica o tipo sanguíneo de acordo com os antígenos presentes nas superfícies eritrocitárias [4]. O antígeno utilizado na classificação do sistema Rh é chamado de fator Rh, conhecido também como antígeno D [3]. O sistema Rh recebeu esse nome devido ao macaco Rhesus, o animal experimental no qual o antígeno D foi encontrado primeiro [3, 4].

O sistema Rh é o maior e mais complexo sistema de grupos sanguíneos, representando um dos sistemas de maior interesse clínico, por seu envolvimento na doença hemolítica perinatal, reações transfusionais hemolíticas e nas anemias hemolíticas autoimunes. Os principais antígenos do Sistema Rh são: D, C/c, E/e. Esses cinco antígenos são os que mais induzem a produção dos anticorpos que estão relacionados com a maioria dos problemas associados a aloimunização2 por transfusão e gestação [9].

Quando o antígeno D está presente na membrana das hemácias, o indivíduo é considerado Rh-positivo, caso contrário, o indivíduo é considerado Rh-negativo. A princípio, uma pessoa Rh-negativo não possui anticorpos direcionados ao antígeno D em seu plasma, pois esses anticorpos são produzidos quando esse indivíduo Rh-negativo recebe hemácias com antígeno D, o que pode ocorrer numa transfusão sanguínea, por exemplo [3, 10].

Testes para Determinação do Tipo Sanguíneo

Uma das técnicas usuais para determinação do tipo sanguíneo nos sistemas ABO e Rh utiliza soros contendo anticorpos para os antígenos A, B ou D [3].

2 refere-se a formação de anticorpos quando há a exposição do indivíduo a

antígenos não próprios, como ocorre, por exemplo, na transfusão de sangue incompatível e nas gestantes, cujos fetos expressam em suas células sanguíneas antígenos exclusivamente de origem paterna.

A determinação do grupo sanguíneo ABO era originalmente realizada reagindo hemácias do paciente com soros Anti-A e Anti-B em lâminas estéreis de microscopia (Figura 1). Dentre os métodos mais atuais, podem ser efetuados testes em microplacas escavadas e/ou em tubos de ensaio, ou o método da gel-centrifugação, mais recente [11].

Figura 1. Amostras do método da s lâminas. Elaborada por Pereira em [7].

Para a análise no sistema sanguíneo ABO, na prova direta,

se o sangue for do tipo A, a aglutinação ocorrerá na lâmina com o soro Anti-A; se o sangue for do tipo B, a aglutinação ocorrerá na lâmina (ou tubo) com o soro Anti-B; se o sangue analisado for do tipo AB, ocorrerá aglutinação na lâmina com soro Anti-A e na lâmina (ou tubo) com o soro Anti-B; e se o sangue for do tipo O, não ocorrerá aglutinação nas lâminas com o soro Anti-A e Anti-B [3].

A análise no sistema sanguíneo Rh é realizada de maneira análoga: se houver aglutinação na lâmina com o soro Anti-D, o fator Rh é positivo, caso contrário, se não houver aglutinação na lâmina com o soro Anti-D, o fator Rh é negativo ou fraco [10].

Se ocorrer reação mais fraca, não visível a olho nu, outros estudos (utilização de uma bateria de soros Anti-D policlonais e monoclonais de lotes e procedências diferentes, adsorção3 ou eluição4) precisam ser realizados antes da conclusão final [9].

III. METODOLOGIA DE TIPAGEM

O conjunto de testes utilizado é composto por imagens

capturadas a partir de 30 pacientes, onde cada amostra elaborada consiste em 3 imagens (uma para cada reagente aplicado individualmente, Anti-A, Anti-B e Anti-D). No total, foram capturadas 48 amostras, sendo 18 amostras em alta resolução, capturadas por uma câmera de 5 Megapixels, resolução de 1889x1385 pixels, e 30 amostras em baixa resolução, capturadas por uma webcam com resolução de 640x360 pixels). Este banco de dados foi elaborado por [7]. As amostras foram coletadas dos voluntários no Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB) por alguns técnicos em laboratório do próprio Instituto.

A metodologia desenvolvida para o processamento das

amostras de sangue toma como fundamento os trabalhos [6] e

3 refere-se ao processo pelo qual átomos, moléculas ou íons são retidos na

superfície de sólidos por interações de natureza química ou física. 4 É a separação ou fracionamento de uma mistura de partículas por uma

coluna de cromatografia. Consiste na remoção de um material adsorvido lavando-o num líquido.

886 IEEE LATIN AMERICA TRANSACTIONS, VOL. 16, NO. 3, MARCH 2018

[7], utilizando um limiar de desvio padrão para classificação da presença ou ausência de aglutinação. O Blood foi desenvolvido com a utilização da biblioteca de código aberto OpenCV, que apresenta diversos métodos de processamento digital de imagens otimizados e prontos para serem utilizados no Android OS. Além disso, o método desenvolvido, ilustrado no fluxograma da Figura 2, é composto por 8 passos de baixa complexidade, o que permite que o procedimento de tipagem seja efetuado em menos de um minuto.

Figura 2. Fluxograma de processamento das amostras no Blood.

Passo 1: O aplicativo desenvolvido permite que o usuário

importe ou capture uma nova amostra a ser processada. Para determinar o tipo sanguíneo, são necessárias 3 imagens, uma para cada reagente (Anti-A, Anti-B e Anti-D). A Figura 3 ilustra um exemplo de um conjunto de amostras utilizado.

Figura 3. Conjunto de amostras carregadas pelo Blood. Elaborada por Pereira em [7]. Passo 2: É aplicado o filtro de mediana para homogeneizar

a imagem carregada, cuja saída está ilustrada na Figura 4, o que minimiza a ocorrência de buracos durante o procedimento de binarização, evitando a perca de informações na região de interesse (ROI, do inglês Region of Interest) por conta de ruído.

Figura 4. Amostras após o processo de homogeneização por meio do Filtro de Mediana.

Passo 3: Em caso de imagens dos reagentes Anti-A ou Anti-B, é aplicada a normalização MIN/MAX de 100/355, cuja saída está ilustrada na Figura 5 para suavizar possíveis sombras no fundo branco abaixo da lâmina laboratorial. Esse procedimento equivale a subir em 100 a intensidade de todas as cores da imagem, tornando-a mais clara e, por sua vez diminuindo a quantidade de sombras. Os valores foram obtidos pela verificação da intensidade do tom de cinza das sombras encontradas nas 48 amostras testadas.

Em caso da imagem do Anti-D, o passo 3 não se aplica por conta da perca de detalhes das bordas da gota. A aglutinação do Anti-D muitas vezes deixa as bordas da gota fragmentada em milhares de pequenas partes, e ao aplicar a normalização, essas zonas acabam sendo clareadas a ponto de se aproximarem da cor branca.

Figura 5. Amostras após o processo de normalização MIN/MAX de 100/355.

Passo 4: A imagem é convertida para escala de cinza para

união dos canais. Passo 5: É efetuada a binarização da imagem pelo método

de Otsu, método que calcula o limiar ótimo para a binarização de imagens em escala de cinza [12], gerando, então, a máscara que representa a ROI (Region of Interest) em branco, ilustrada na Figura 6.

Figura 6. Máscara gerada após o processo de binarização.

PORGE XAVIER et al.: ABO/RH BLOOD TYPING METHOD 887

Passo 6: É extraído o canal azul da imagem original, ilustrada na Figura 7 sem nenhum tipo de tratamento.

A escolha da luz foi devido a sua maior capacidade de penetração na água [13]. A água é um líquido com alto nível de transparência, assim como os reagentes utilizados na tipagem sanguínea. Desta forma, constata-se um maior nível de detalhes das zonas aglutinadas e, consequentemente, uma melhor taxa de acerto quando utilizado o canal azul para classificação das amostras.

Figura 7. Imagem original - Canal Azul.

Passo 7: Calcula-se o desvio padrão dos pixels marcados em

branco pela máscara obtida no passo 5 (região da gota de sangue), utilizando o canal azul da imagem original.

Passo 8: É comparado o valor calculado do desvio padrão no canal azul (passo 7) com o valor do limiar. Os limiares de desvio padrão foram elaborados por uma bateria de testes realizada com as 48 amostras, na qual todos os valores de desvio padrão das imagens que apresentaram aglutinação foram testados como limiares de separação, e, dessa forma, foi possível efetuar uma comparação dos parâmetros de validação do método (taxa de acerto, sensibilidade e especificidade) de cada um dos valores. Após esse procedimento, calculou-se um espaçamento para garantir a obtenção de um limiar adequado. Após esse procedimento, chegou-se aos valores de limiar descritos na Tabela II.

TABELA II

LIMIARES DE TIPAGEM PARA CADA REAGENTE.

Reagente Limiar de Desvio Padrão Anti-A 16,0 Anti-B 15,801 Anti-D 17,5

É realizada a tipagem pelo método direto, na qual se a

amostra aglutinar apenas com o reagente Anti-A, a amostra é do tipo A. Caso a amostra aglutine apenas com o Anti-B, esta é do tipo B. Caso ocorra a aglutinação com os reagentes Anti-A e Anti-B, a amostra é AB. Em caso de nenhuma reação ocorrer, a amostra é do tipo O. Para o Rh, de maneira similar, caso a amostra tenha aglutinado com o reagente Anti-D ela é Rh positivo, caso contrário é Rh negativo.

IV. RESULTADOS

Os resultados do método desenvolvido foram obtidos por meio da utilização de um banco de imagens capturadas de amostras de sangue de 30 pacientes. Para cada paciente foram necessárias 3 fotos, uma para cada reagente (Anti-A, Anti-B e Anti-D), caracterizando uma amostra. Foram elaboradas 48 amostras, sendo 30 de baixa resolução capturadas por uma

uma webcam de resolução 640x360 pixels, e 18 de alta resolução, capturadas por uma câmera de 5 Megapixels. O banco de amostras utilizado foi elaborado por Pereira em [7].

As Tabelas III e IV descrevem os resultados obtidos pela tipagem visual e pela análise realizada pelo aplicativo Blood, elaborado com o banco de testes. Os erros de tipagem obtidos estão marcados em negrito.

TABELA III

TABELA DE RESULTADOS DO BLOOD PARA O UNIVERSO DE 18 AMOSTRAS DE ALTA RESOLUÇÃO

Amostras Resultado (Alta resolução)

Visual Blood ALTA_AMOSTRA10 A- A- ALTA_AMOSTRA11 O- O- ALTA_AMOSTRA12 O+ O+ ALTA_AMOSTRA13 A+ A+ ALTA_AMOSTRA14 A+ A- ALTA_AMOSTRA15 A- A- ALTA_AMOSTRA16 A+ A- ALTA_AMOSTRA17 O+ O+ ALTA_AMOSTRA18 O+ B+ ALTA_AMOSTRA19 A+ A+ ALTA_AMOSTRA20 O+ O+ ALTA_AMOSTRA23 O+ O+ ALTA_AMOSTRA24 B+ B+ ALTA_AMOSTRA26 B+ B+ ALTA_AMOSTRA27 O+ O+ ALTA_AMOSTRA28 O+ O+ ALTA_AMOSTRA29 O+ A+ ALTA_AMOSTRA30 A- A-

Foi encontrado um valor limiar para cada tipo de imagem

(Anti-A, Anti-B e Anti-D), onde este foi ajustado de modo a melhorar o desempenho do método. O valor limiar separa as amostras de testes que aglutinaram das que não apresentaram aglutinação, porém, em alguns casos, o valor escolhido não conseguiu classificar corretamente as amostras. Uma alternativa para futuros trabalhos seria utilizar funções quadráticas que poderiam distinguir de forma mais eficiente as amostras. Os valores limiares utilizados foram (f(desvio) = 16para Anti-A, f(desvio) = 15.801para Anti-B e f(desvio) = 17.5para Anti-D).

Validação do método de classificação

A validação representa a capacidade que um método de teste possui para identificar corretamente a classe de um indivíduo dentro de uma população e é estimada por duas medidas objetivas: sensitividade e especificidade [14]. Essas grandezas são estimadas com base no número de verdadeiros positivos, que representa o número de amostras que possuem classificação real positiva para o teste, e do número de verdadeiros negativos, que representa o número de amostras que possuem classificação real negativa para o teste. Utiliza-se, ainda, o número de falsos positivos, que representa o número de amostras que possuem classificação real negativa mas tiveram resultado positivo no teste, e o número de falsos positivos, que representa o número de

888 IEEE LATIN AMERICA TRANSACTIONS, VOL. 16, NO. 3, MARCH 2018

amostras que tiveram resultado real negativo mas apresentaram uma classificação positiva no teste.

Outra grandeza estatística utilizada na validação de testes de identificação é o valor preditivo, que indica a probabilidade de acerto que um método de testes apresenta, com base no universo de amostras que compõe o banco de testes utilizado.

TABELA IV TABELA DE RESULTADOS DO BLOOD PARA O UNIVERSO DE 30

AMOSTRAS DE BAIXA RESOLUÇÃO

Amostra Resultado (Baixa resolução) Visual Blood

BAIXA_AMOSTRA1 A+ A+ BAIXA_AMOSTRA2 AB+ AB+ BAIXA_AMOSTRA3 O+ O- BAIXA_AMOSTRA4 O- O- BAIXA_AMOSTRA5 O+ O+ BAIXA_AMOSTRA6 A+ A+ BAIXA_AMOSTRA7 O+ O+ BAIXA_AMOSTRA8 O+ O+ BAIXA_AMOSTRA9 B+ B+

BAIXA_AMOSTRA10 A- A+ BAIXA_AMOSTRA11 O- O+ BAIXA_AMOSTRA12 O+ O+ BAIXA_AMOSTRA13 A+ A+ BAIXA_AMOSTRA14 A+ A+ BAIXA_AMOSTRA15 A- A- BAIXA_AMOSTRA16 A+ A+ BAIXA_AMOSTRA17 O+ O+ BAIXA_AMOSTRA18 O+ O+ BAIXA_AMOSTRA19 A+ A+ BAIXA_AMOSTRA20 A- A+ BAIXA_AMOSTRA21 A+ A+ BAIXA_AMOSTRA22 A+ A+ BAIXA_AMOSTRA23 O+ O+ BAIXA_AMOSTRA24 B+ B+ BAIXA_AMOSTRA25 B+ B+ BAIXA_AMOSTRA26 B+ B- BAIXA_AMOSTRA27 O+ O+ BAIXA_AMOSTRA28 O+ O+ BAIXA_AMOSTRA29 O+ O+ BAIXA_AMOSTRA30 A- A+

Sensitividade A sensitividade representa a habilidade de identificar

corretamente a parcela de uma população com a avaliação real positiva para uma característica em específico, sendo calculada por meio da equação 1:

!"#$%&%'%()(" = ,"-()("%-.$/.$%&%'.$

,"-()("%-.$/.$%&%'.$ + 1)2$.$3"4)&%'.$ (1)

Especificidade A especificidade representa a habilidade de identificar

corretamente a parcela de uma população cuja avaliação real teve resultado negativo sendo calculada pela equação 2.

!"#$%&'&%&()($ = ,$-()($&-."/$0)1&2.",$-()($&-."/$0)1&2." + 4)5"."6."&1&2."(2)

Valor Preditivo

O valor preditivo representa a probabilidade de acerto

durante o processo de classificação, ou seja, a probabilidade de uma amostra ser classificada corretamente conforme o seu resultado real [14]. As equações 3 e 4 permitem calcular os valores preditivos para os resultados positivo e negativo.

!"#$%'. '$)*+*,$ = !.%/"/.*%$)'$)*+*,$)

!.%/"/.*%$)'$)*+*,$) + 1"#)$)'$)*+*,$)(3) !"#$%'. )*+",-.$ = !*%0"0*-%$1)*+",-.$1

!*%0"0*-%$1)*+",-.$1 + 3"#1$1)*+",-.$1 (4) Para validação dos resultados obtidos, foram calculadas a

sensitividade, especificidade e o valor preditivo. As Tabelas V, VI e VII apresentam um resumo dos valores obtidos segundo a validação estatística apresentada por Stojanovic [14].

O resultado apresentado pelo método apresentou uma taxa de acerto de 97,92% para Anti-A, com sensitividade de 100%, especificidade de 96,3%, valor preditivo positivo de 95,45% e valor preditivo negativo de 100%, aprovando a eficácia na detecção da aglutinação para este reagente em amostras de alta e baixa resoluções.

Analisando os resultados para o reagente Anti-B, é fácil perceber que o método apresentou uma melhor eficácia na análise das amostras de baixa resolução, com 96,67% de taxa de acerto, 100% de sensitividade e especificidade, valor preditivo positivo de 92,86% e valor preditivo negativo 100%. A eficácia para amostras de alta resolução foi prejudicada por conta do número de falsos positivos, apesar da eficácia de negação (especificidade de 81,25%). Para o conjunto completo de amostras, o que inclui alta e baixa resoluções, a taxa de acerto para Anti-B foi 89,58%, com sensitividade 83,33% e especificidade 92,86%.

Para o reagente Anti-D o método apresentou uma melhor eficácia na análise das amostras de alta resolução, com 88,89% de taxa de acerto, 84,62% de sensitividade e 100% de especificidade, o que resultou em um valor preditivo positivo de 100% e valor preditivo negativo de 71,43%. Ao analisar amostras de baixa resolução o método apresentou baixa eficácia na negação de amostras, com especificidade 16,67% e valor preditivo negativo de 25%.

TABELA V

TABELA DE RESULTADOS DA VALIDAÇÃO ESTATÍSTICA DO MÉTODO PARA ANTI-A.

Parâmetros Valores obtidos por resolução Alta e Baixa Somente Alta Somente Baixa

Verdadeiros positivos 21 8 13 Falsos positivos 1 1 0

Verdadeiros negativos 26 9 7 Falsos negativos 0 0 0 Taxa de acerto 97,92% 94,44% 100% Sensitividade 100% 100% 100%

Especificidade 96,3% 90% 100% Valor pred. positivo 95,45% 88,89% 100% Valor pred. negativo 100% 100% 100%

TABELA VI

PORGE XAVIER et al.: ABO/RH BLOOD TYPING METHOD 889

TABELA DE RESULTADOS DA VALIDAÇÃO ESTATÍSTICA DO MÉTODO PARA ANTI-B.

Parâmetros Valores obtidos por resolução Alta e Baixa Somente Alta Somente Baixa

Verdadeiros positivos 5 1 4 Falsos positivos 3 3 0

Verdadeiros negativos 39 13 26 Falsos negativos 1 1 0 Taxa de acerto 89,58% 77,78% 96,67% Sensitividade 83,33% 50% 100%

Especificidade 92,68% 81,25% 100% Valor pred. positivo 62,50% 25% 92,86% Valor pred. negativo 97,50% 100% 100%

TABELA VII

TABELA DE RESULTADOS DA VALIDAÇÃO ESTATÍSTICA DO MÉTODO PARA ANTI-D.

Parâmetros Valores obtidos por resolução Alta e Baixa Somente Alta Somente Baixa

Verdadeiros positivos 32 11 21 Falsos positivos 5 0 5

Verdadeiros negativos 6 5 1 Falsos negativos 5 2 3 Taxa de acerto 79,17% 88,89% 73,33% Sensitividade 86,49% 84,62% 87,50%

Especificidade 54,55% 100% 16,67% Valor pred. positivo 86,49% 100% 80,77% Valor pred. negativo 54,55% 71,43% 25%

IV. CONCLUSÃO

A validação indica uma maior eficácia do método para

tipagem ABO com imagens de baixa resolução, na qual o aplicativo obteve sensibilidade e especificidade de 100%. Para a análise de Anti-D, o método se mostrou mais eficiente no processamento de amostras de alta resolução, com 84,62% de sensibilidade e 100% de especificidade.

Esse trabalho diferencia-se em relação aos trabalhos relacionados, como [7] e [6], por utilizar limiares de desvio padrão específicos para cada reagente, por utilizar toda a área da gota de sangue para efetuar a análise ao invés de zonas retangulares, por ser uma aplicação mobile (o que permite uma maior praticidade) e por ser totalmente desenvolvido utilizando plataformas gratuitas.

Comparando a taxa de acerto do método apresentado para análise de Rh em imagens de alta resolução (88,89%) temos um maior número de acertos em relação ao trabalho relacionado de [7] que apresentou 68,19%. O método desenvolvido se mostrou capaz de distinguir as amostras que aglutinaram, com uma melhor performance em amostras de baixa resolução.

Os resultados foram considerados relevantes tendo em vista que a maior parte dos smartphones atuais possuem câmeras com resoluções superiores a 2 Megapixels, resolução mais alta que a utilizada nas amostras de baixa resolução do banco de testes, o que pode resultar em um maior número de acertos.

REFERÊNCIAS [1] Mohammad Shoaib Khan. Trend of blood groups and rh factor in the twin

cities of Rawalpindi and Islamabad. J Pak Med Assoc, 2006. Acesso em 11 fev. 2015.

[2] Luciene B. Gasparin and André G. G. Cunha. Estratégias para aumentar a doação de sangue. Rio de Janeiro, 2005.

[3] Barbara Janson Cohen and Dena Lin Wood. MEMMLER, O corpo Humano na Saúde e na Doença. Manole, São Paulo, 9 ed., 2002. Tradução de Alexandre Werneck e Wilma Werneck. Título Original: Memmler’s The Human Body in Health and Disease.

[4] Lynn B. Jorde, John C, Carey, and Michael J. Bamshad. Genética Médica. Elsevier, Rio de Janeiro, 4 ed., 2010. Tradução de Pedro Guimarães de Barros et al. Título Original: Medical Genetics.

[5] José Miguel Penteado Neiva Silva Fernandes. Dispositivo para determinação do tipo de sangue humano: Aplicação aos fenótipos rh e teste reverse. Mestrado em Engenharia Eletrônica Industrial e Computadores, Escola de Engenharia, Universidade do Minho, Braga, Portugal, 2013.

[6] Ana Ferraz, Vitor Carvalho, Filomena Soares and Celina P. Leão. Caracterization of blood samples using image processing techniques. Sensors and Actuators A: Physical, 2011.

[7] Erlyck L. D. Pereira and Carlos D. M. Regis. Determinação do tipo sanguíneo nos sistemas abo e rh utilizando processamento digital de imagens. Revista de Tecnologia da Informação e Comunicação, páginas 29-38, 2015.

[8] Bernardo Beiguelman. Os sistemas sanguíneos eritrocitários. Funpec, Ribeirão Preto, 3 ed, 2003.

[9] Hemocentro. Manual Básico de Orientações Transfusionais. Campinas, 2010. Serviço de Transfusão do Laboratório de Compatibilidade.

[10] Sérgio Linhares and Fernando Gewandsznajder. Biologia, volume único. Ática, São Paulo, 1ª ed., 2005.

[11] John Bernard Henry. Clinical Diagnosis and Management by Laboratory Methods. Saunders, USA, 20 ed., 2001.

[12] Nobuyuki Otsu. A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics, SMC-9(1):62-66, jan 1979.

[13] Rafael C. Gonzalez and Richard E. Woods. Processamento de Imagens Digitais. Pearson Prentice Hall, São Paulo, 3 ed., 2010. Tradução de Cristina Yamagami e Leonardo Piamonte. Título Original: Digital image Processing.

[14] Miodrag Stojanovic, Marija Apostolovic, Dijana Stojanovic, Zoran Milosevic, Aleksandra Toplaovic, Vesna Mitc Lakusic, and Mladan Golubovic. Understanding sensitivity and predictive values, Vojnosanit Pregl, 2014.

Felipe Porge Xavier é estudante do mestrado em Engenharia Elétrica com foco em Engenharia da Computação na Universidade Federal de Campina Grande (UFCG) e Engenheiro Eletricista formado pelo Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB). Foi membro do Grupo de Processamento Digital de Sinais (GPDS) do IFPB de 2014 até 2016. Pesquisa na área de

Processamento de Sinais e Internet das Coisas (IOT). http://lattes.cnpq.br/3053349637803534.

Lucas Gabriel de Araújo Silva é estudante do curso Técnico Integrado em Eletrônica no Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB). É membro do Grupo de Processamento Digital de Sinais (GPDS) do IFPB desde 2015, além de membro do Projeto Olímpico de Programação (POP) do IFPB. Suas pesquisas são focadas em Processamento Digital de Imagens.

http://lattes.cnpq.br/5432152674319305.

Carlos Danilo Miranda Regis é Professor Regular do Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB). Recebeu o título de DSc pela Universidade Federal de Campina Grande (UFCG). É técnico em Eletrônica pelo CEFET-PB. Atualmente é o Professor Orientador/Mentor do Grupo de Processamento de Sinais (GPDS) do IFPB, além de Editor-chefe na Revista Princípia.

É focado em processamento de Imagens, Vídeos e Sinais Biológicos. http://lattes.cnpq.br/3729525547666162.

890 IEEE LATIN AMERICA TRANSACTIONS, VOL. 16, NO. 3, MARCH 2018