Pendeteksian Leukosit Secara Otomatis Melalui Citra Preparat Berbasis Region Proposal Network

  • Lina Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Tarumanagara, DKI Jakarta
  • Michelle Augustine Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Tarumanagara, DKI Jakarta
  • Oktaviana Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Tarumanagara, DKI Jakarta
  • Arlends Chris Program Studi Sarjana Kedokteran, Fakultas Kedokteran, Universitas Tarumanagara, DKI Jakarta
Keywords: Deteksi Sel Darah Putih, Citra Preparat, Region Proposal Network, Faster R-CNN

Abstract

Perkembangan teknologi yang sangat pesat telah membantu dunia medis untuk mendiagnosis kondisi kesehatan seseorang. Salah satu cara untuk melakukan diagnosis medis yang paling utama yaitu melalui pemeriksaan sel darah. Darah terdiri dari eritrosit, leukosit, dan plasma darah. Salah satu komponen darah yang sering dianalisis untuk mengetahui kondisi tubuh adalah leukosit. Analisis dapat dilakukan dengan melakukan perhitungan terhadap jumlah leukosit yang ada dalam tubuh. Tahap awal dari proses perhitungan sel darah adalah dengan melakukan pendeteksian terhadap lokasi sel darah melalui citra digital preparat sel darah. Pada penelitian ini, pendeteksian dilakukan secara otomatis menggunakan teknik Region Proposal Network dengan mengaplikasikan metode Faster R-CNN. Proses utama pendeteksian leukosit terdiri dari tahap pre-processing dan tahap pendeteksian area leukosit menggunakan metode Faster R-CNN. Target dari sistem yang diusulkan adalah untuk mendapatkan area leukosit dan menandainya secara otomatis. Eksperimen dilakukan terhadap citra preparat sel darah yang diwarnai dengan cairan Wright, maupun citra preparat sel darah yang tidak diwarnai. Hasil eksperimen menunjukkan tingkat akurasi pendeteksian area leukosit sebesar 99,54% untuk citra leukosit dengan pewarnaan dan akurasi pendeteksian sebesar 93,21% untuk citra leukosit tanpa pewarnaan.

Downloads

Download data is not yet available.

References

L. A. Chris, B. Mulyawan, and A. B. Dharmawan, “A Leukocyte Detection System Using Scale Invariant Feature Transform Method,” International Journal of Computer Theory and Engineering, vol. 8, no. 1, pp. 69–73, 2016.

N. Salem, N. M. Sobhy, and M. E. Dosoky, “A Comparative Study of White Blood Cells Segmentation Using Otsu Threshold And Watershed Transformation,” Journal of Biomedical Engineering and Medical Imaging, vol. 3, no. 3, 2016.

C. Di Ruberto, A. Loddo, and L. Putzu, “Detection of Red And White Blood Cells From Microscopic Blood Images Using A Region Proposal Approach,” Computers in Biology and Medicine, vol. 116, p. 103530, 2020.

J. Duan and L. Yu, “A WBC Segmentation Method Based on HSI Color Space,” 2011 4th IEEE International Conference on Broadband Network and Multimedia Technology, 2011.

S. M. Pizer, E. P. Amburn, J. D. Austin, R. Cromartie, A. Geselowitz, T. Greer, B. ter Haar Romeny, J. B. Zimmerman, and K. Zuiderveld, “Adaptive Histogram Equalization and Its Variations,” Computer Vision, Graphics, and Image Processing, vol. 39, no. 3, pp. 355–368, 1987.

K. N. Plataniotis and A. N. Venetsanopoulos, Color Image Processing and Applications. Berlin: Springer, 2011.

S. Ren, K. He, R. Girshick, and J. Sun, “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 39, no. 6, pp. 1–14, 2017.

Lina, D. Reynaldo, Danny, and Arlends Chris, “White Blood Cells Detection from Unstained Microscopic Images using Modified Watershed Segmentation,” IAENG International Journal of Computer Science, vol. 48, no. 4, pp. 1151–1161, 2021.

N. A. Ibraheem, M. M. Hasan, R. Z. Khan, and P. K. Mishra, “Understanding Color Models: A Review,” ARPN Journal of Science and Technology, vol. 2, no. 3, pp. 265–275, 2012.

Published
2022-10-20
How to Cite
Lina, Augustine, M., Oktaviana, & Chris, A. (2022). Pendeteksian Leukosit Secara Otomatis Melalui Citra Preparat Berbasis Region Proposal Network. Teknika, 11(3), 190-196. https://doi.org/10.34148/teknika.v11i3.541