Arisa, Nursanti Novi (2017) Perhitungan Dan Pemisahan Sel Darah Putih Berdasarkan Centroid Dengan Menggunakan Metode Multi Pass Voting Dan K-Means Pada Citra Sel Acute Leukemia. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5115201032-Master_Thesis.pdf - Published Version Download (2MB) | Preview |
Abstract
Leukemia merupakan salah satu jenis penyakit berbahaya yang dapat menyebabkan kematian. Salah satu tipe leukemia adalah jenis Acute leukemia yang terdiri dari ALL (Acute Lymphoblastic Leukemia) dan AML (Acute Myeloid Leukemia). Identifikasi tercepat yang dapat dilakukan terhadap penyakit ini adalah melakukan perhitungan dan analisa jenis sel darah putih. Namun perhitungan dan analisa jenis sel darah putih yang dilakukan secara manual masih terbatas oleh waktu. Oleh karena itu perlu dilakukan proses secara otomatis untuk mendapatkan hasil yang lebih cepat dan akurat. Pada penelitian sebelumnya, proses perhitungan yang dilakukan secara otomatis pada citra sel Acute Leukemia masih terdapat kendala, yaitu keberadaan sel bersentuhan dan penggunaan fitur geometri yang belum bisa menghasilkan perhitungan yang akurat, karena bentuk sel yang beragam.
Penelitian ini mengusulkan sebuah metode untuk perhitungan dan pemisahan sel darah putih yang bersentuhan pada citra sel Acute Leukemia dengan metode Multi Pass Voting (MPV) berdasarkan deteksi seed (centroid) dan metode K-Means. Deteksi awal region sel darah putih menggunakan deteksi tepi canny. Dilanjutkan deteksi seed (centroid) menggunakan metode Multi Pass Voting dan perhitungan jumlah sel darah putih dilakukan berdasarkan centroid yang dihasilkan. Keberadaan sel bersentuhan akan dipisahkan dengan metode K-Means, dengan penentuan centroid awal berdasarkan hasil dari metode Multi Pass Voting.
Dari hasil evaluasi yang dilakukan terhadap 40 citra pada dataset Acute Leukemia, metode yang diusulkan melakukan perhitungan berdasarkan centroid dengan baik dan memisahkan sel bersentuhan menjadi sel-sel tunggal. Hasil akurasi perhitungan jumlah sel darah putih yaitu sebesar 98,6%.
=================================================================
Leukemia is one of the dangerous diseases that can cause death. One of the types of leukemia is acute leukemia that in-cludes ALL (Acute Lymphoblastic Leukemia) and AML (Acute Myeloid Leukemia). The fastest identification against this disease can be done by computing and analysing white blood cell types. However, the manual counting and identification of the white blood cell types are still limited by time. Therefore, automatic counting process is necessary to be conducted in order to get the results more quickly and accurately. Previous studies showed that automatic counting process in the image of Acute Leukemia cells faced some obstacles, the existence of touching cell and the implementation of geometry feature that cannot produce an accurate counting. It is because the shapes of the cell are various.
This study proposed a method for the counting of white blood cells and the separation of touching cells on Acute Leukemia cells image by using Multi Pass Voting method (MPV) based on seed detection (centroid) and K-Means method. Initial segmentation used for separating foreground and background area is canny edge detection. The next stage is seed detection (centroid) using Multi Pass Voting method. The counting of white blood cells is based on the results of the centroid produced. The existence of the touching cells are separated using K-Means method, the determination of the initial centroid is based on the results of the Multi Pass Voting method.
Based on the evaluation results of 40 images of Acute Leukemia dataset, the proposed method is capable to properly compute based on the centroid. It is also able to separate the touching cell into a single cell. The accuracy of the white blood cell counting result is about 98,6%.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Sel Darah Putih, Acute Leukemia, centroid, Multi Pass Voting, K-Means, White Blood Cell |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis |
| Depositing User: | Nursanti Novi Arisa |
| Date Deposited: | 13 Nov 2017 03:36 |
| Last Modified: | 05 Mar 2019 07:47 |
| URI: | http://repository.its.ac.id/id/eprint/43369 |
Actions (login required)
 |
View Item |