Saputra, Rizal Adi (2015) Penggabungan fitur tekstur yang invariat terhadap iluminasi dan fitrur bentuk untuk deteksi acute lumphoblastic leukemia. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5113201002-Dissertation.pdf Download (4MB) | Preview |
Abstract
Deteksi dini Acute Lymphoblastic Leukemia (ALL) pada anak-anak sangat
penting dilakukan karena tingkat kesembuhannya lebih tinggi dibandingkan pada
orang dewasa. Namun, deteksi ALL secara manual oleh tenaga ahli medis
cenderung kurang presisi dan membutuhkan waktu yang lama. Oleh karena itu,
beberapa penelitian telah menggunakan teknik pengolahan citra dengan
memanfaatkan fitur bentuk atau morfologi pada citra mikroskopik sel darah untuk
deteksi ALL secara otomatis. Namun, hasilnya kurang optimal karena fitur bentuk
saja tidak cukup untuk mendeskripsikan fitur sel darah, sehingga diperlukan
penggabungan antara fitur bentuk dan fitur tekstur untuk deteksi dini ALL. Fitur
tekstur dapat mendeskripsikan distribusi kromatin pada nukleus sedangkan fitur
bentuk dapat merepresentasikan perbedaan morfologi sel darah.
Dataset ALL_IDB1, merupakan dataset citra mikroskopik sel darah yang
proses akuisisinya menggunakan kamera dengan panjang sensor dan variasi
pencahayaan yang berbeda sehingga menyebabkan iluminasi citra menjadi
beragam. Perubahan iluminasi tersebut tidak mengubah morfologi atau bentuk sel
darah namun dapat mempengaruhi intensitas tekstur dari sel darah. Oleh karena itu,
dibutuhkan metode yang dapat mengekstraksi fitur tekstur yang invariant terhadap
iluminasi. Salah satu pengembangan dari metode LBP, yaitu Complete Robust
Local Binary Pattern (CRLBP) mampu menangani masalah invariant terhadap
iluminasi dengan mengganti nilai threshold dari nilai piksel asli dengan nilai
Weighted Local Gray-Level (WLG).
Penelitian ini mengusulkan penggabungan fitur tekstur yang invariant
terhadap iluminasi dan fitur bentuk untuk deteksi dini ALL. Untuk menangani
iluminasi citra yang beragam, fitur tekstur diekstraksi dengan menggunakan metode
CRLBP. Adapun fitur bentuk yang diekstraksi meliputi rasio ukuran dan geometri
dari sel darah putih. Metode yang diusulkan diuji coba pada dataset citra
mikroskopik sel darah ALL_IDB1. Uji coba dilakukan dengan variasi
penggabungan fitur tekstur dan fitur bentuk yang berbeda-beda. Penggabungan fitur
CRLBP8 dan fitur bentuk merupakan kombinasi fitur yang menghasilkan
persentase paling tinggi. Pada pengujian sel tunggal diperoleh akurasi sebesar
95,11%, dengan sensitifitas 97,97% dan spesifisitas 80,44%. Adapun pada
pengujian citra ALL diperoleh akurasi 93,00%, dengan sensitifitas 89,58% dan
spesifisitas 100%.
=====================================================================================================
Early detection of Acute Lymphoblastic Leukemia (ALL) in children is a
very important thing to do since the recovery rate of ALL in children is higher
compare to recovery rate in adult. However, manual detection of ALL which rely
on medical experts tends to be less precise and requires a long time. Therefore,
some studies have applied image processing technique by using shape and
morphological features of blood cell for automatic ALL detection. However, the
results were less than optimal, because the shape feature alone is not enough to
describe the feature of blood cells, so it is necessary to combine shape features and
texture features for early detection of ALL. Texture feature could describe the
distribution of chromatin in nucleus, while shape feature could represent the
differences appeared in blood cell morphology.
ALL_IDB1 dataset is a microscopic blood cell’s image dataset acquired by
using a camera with various sensor lengths and various lighting conditions, causing
the illumination of each images become vary. The illumination change does not
alter the morphology or shape of the blood cell, but it affects the blood cell’s texture
intensity. Therefore, it is necessary to employ a method that able to extract a texture
feature which invariant towards illumination. One development of LBP method,
Complete Robust Local Binary Pattern (CRLBP), is capable of handling the various
illumination problem by substitute the threshold value of each original value with
Weighted Local Gray-Level (WLG) value.
This study proposed a combination of illumination invariant texture feature
and shape feature for early detection of ALL. To handle various illumination
problem, the texture feature was extracted by using CRLBP methods. As for the
shape feature, the aspect ratio and the geometry of white blood cell were extracted.
The proposed method was tested in microscopic blood cell image from ALL_IDB1
dataset. The experiment was conducted by various combinations of different texture
and shape features. The combination of CRLBP8 and shape feature produces the
best accuracy. For experiment using single cell, accuracy reach 95,11% with
sensitivity 97,97% and specificity 80,44%. As for experiment with ALL image,
accuracy reach 93,00% with sensitivity 89.58% and specificity 100%.
| Item Type: | Thesis (Masters) |
|---|---|
| Additional Information: | RTIf 006.42 Sap p |
| Uncontrolled Keywords: | Complete Robust Local Binary Pattern; deteksi Acute Lymphoblastic Leukemia; Local Binary Pattern; fitur bentuk; fitur tekstur |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques |
| Divisions: | Faculty of Information and Communication Technology > Informatics > 55101-(S2) Master Thesis |
| Depositing User: | - Taufiq Rahmanu |
| Date Deposited: | 30 Sep 2019 02:39 |
| Last Modified: | 07 May 2024 07:01 |
| URI: | http://repository.its.ac.id/id/eprint/70910 |
Actions (login required)
 |
View Item |