Image analysis of bacterial colonies in classic and alternative gel-based growth media

Abstract

La adopción de tecnologías automatizadas de análisis de imagen va en aumento en los laboratorios de microbiología, éstas suponen un medio para incrementar la productividad, la objetividad y la trazabilidad de los resultados de las pruebas. Específicamente, la enumeración de colonias y la detección del desarrollo de color en éstas constituyen las dos aplicaciones más comunes de la visión artificial en el laboratorio microbiológico. En el albor de la era de la visión computarizada, el contaje y análisis de colonias se posiciona como una tarea más que automatizar mediante la inteligencia artificial aplicada al análisis de imagen. La presente tesis evalúa la capacidad de los escáneres flatbed para capturar imágenes para la detección y medida del desarrollo de color en colonias. Así mismo, se evalúa la incidencia que distintas concentraciones de cromógenos tienen sobre el desarrollo de color a lo largo del tiempo. Se sugieren aproximaciones asequibles para interpretar los datos obtenidos y se profundiza en el análisis del desarrollo de color. Los aspectos metrológicos de la técnica presentada son debidamente abordados. Se presta particular atención a la caracterización de la técnica empleada, a resaltar sus limitaciones y a evaluar la reproducibilidad de los resultados obtenidos en distintos dispositivos. Se aportan los primeros datos en relación a la enumeración de colonias aplicando técnicas cinéticas de toma de imagen en medios de cultivo alternativos. Así mismo, se evalúa el tiempo hasta detección de las colonias, junto con la recuperación de estas como medios para estudiar la inducción de estrés vinculada a la presencia de matrices potencialmente tóxicas.

Microbiology laboratories are increasingly adopting automated imaging technologies as means to leverage their productivity and increase traceability and objectivity of test results. Specifically, colony enumeration and detection of color development in these stand as the two most common applications of machine vision in microbiology laboratories. In the advent of the age of computer vision, colony counting and analysis stands as yet another process that can be automated by means of image-driven artificial intelligence. The present work assesses the capacity of flatbed scanners to capture images for the detection and measurement of color development in colonies. Effects of different concentrations of chromogens and the differences in color development over time are evaluated. Affordable approaches to interpret derived data are suggested and insights related to the analysis of color development are supplied. Metrological aspects of the measurement technique are duly addressed. Thus, particular care is devoted to characterize the measurement technique employed, to highlight its limitations, and to assess the cross-device reproducibility of obtained results. First-in-class accounts of enumeration of colonies in alternative culture media, based on kinetic imaging of their growth, are also reported. Furthermore, time to the earliest detection of colonies is evaluated, along with colony recovery evaluation, as a means to assess stress induction related to the presence of potentially toxic matrices.