Hibridisasi Metode Fuzzy Local Information C-Means Dan Radiating Gradient Vector Flow Snake Untuk Segmentasi Citra Smear Serviks

Humaira, Fitrah Maharani (2016) Hibridisasi Metode Fuzzy Local Information C-Means Dan Radiating Gradient Vector Flow Snake Untuk Segmentasi Citra Smear Serviks. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5114201057-master-theses.pdf - Published Version

Download (1MB) | Preview

Abstract

Kanker serviks disebabkan oleh virus HPV (Human Papilloma Virus). Papanicolaou smear merupakan pemeriksaan secara mikroskopik dari jaringan serviks uteri yang dapat mendeteksi sel-sel kanker. Segmentasi sel ke dalam nukleus dan sitoplasma adalah tugas yang menantang karena citra uji pap smear biasanya memiliki masalah pewarnaan tidak konsisten, kontras yang buruk, dan sel-sel yang tumpang tindih. Segmentasi terutama berfokus pada pemisahan sel dari latar belakang serta pemisahan inti dari sitoplasma dalam area sel. Deteksi batas sitoplasma sangat penting karena fitur sitoplasma sangat berguna untuk identifikasi sel-sel abnormal dan sel-sel normal. Pada tesis ini diusulkan metode segmentasi citra smear serviks menggunakan FLICM sebagai segmentasi awalnya dan RGVF snake untuk mendapatkan kontur nukleus dan sitoplasma. Setiap sel tunggal citra smear serviks yang berupa RGB dikonversi ke ruang warna CIELAB dan dimensi L* dinormalkan untuk membentuk citra grayscale. Diusulkan algoritma clustering Fuzzy Local Information C-Means (FLICM) untuk segmentasi awal dan mengekstraksi kontur awal dari nukleus dan sitoplasma. Kontur awal ini digunakan untuk inisialisasi RGVF snake yang diusulkan. Kemudian dengan RGVF snake didapatkan batas akurat dari nukleus dan sitoplasma. Untuk mengevaluasi performa metode yang diusulkan, digunakan dataset Herlev yang terdiri dari 917 sampel dan tersebar pada tujuh kelas berbeda. Kombinasi kedua metode mampu mensegmentasi citra smear serviks lebih akurat terutama area sitoplasma yang biasanya dianggap sebagai background. Hal ini dibuktikan oleh performa dari uji coba dilakukan. Performa metode yang diusulkan dibandingkan dengan groundtruth segmentasi manual menggunakan Zijdenbos similarity index (ZSI) dan akurasi. Nilai rata-rata ZSI pada semua uji coba menunjukkan hasil lebih dari 70% sehingga dapat disimpulkan terdapat similaritas yang tinggi antara citra groundtruth dengan citra hasil segmentasi. Nilai rata-rata akurasi pada semua kelas menunjukkan hasil sekitar 70% sampai dengan 90% sehingga dapat dikatakan hasil segmentasi sudah cukup baik. Dengan meningkatnya performa akurasi diharapkan dapat digunakan untuk membedakan sel normal dan abnormal serta identifikasi kanker serviks secara otomatis. ========================================================= Cervical cancer is caused by HPV (Human Papilloma Virus). Papanicolaou smear is a microscopic examination of cervical tissue which can detect cancer cells. Cell segmentation into the nucleus and cytoplasm is a challenging task for a pap smear test, the images typically have inconsistent coloring problems, poor contrast, and touching cell. Cell segmentation is the separation cells segmented into nucleus and cytoplasm area. Boundary detection of cell is very important because the cell feature is very useful for the identification of abnormal cells and normal cells. We propose cervical smear image segmentation method using FLICM (Fuzzy C-Means Local Information) as initial segmentation and RGVF (Radiating Gradient Vector Flow) snake to get nucleus and cytoplasm contour. Every single cell of cervical smear image is converted from RGB to CIELAB color space and dimensional L * normalized to a grayscale image. In this research propose Fuzzy Local Information C-Means (FLICM) for initial segmentation and extracting the initial contours of the nucleus and cytoplasm. This initial contour is used to initialize the RGVF snake. Then RGVF snake obtain the accurate boundary of the nucleus and cytoplasm. To evaluate the performance of the proposed method, we use Herlev dataset consisting of 917 samples and spread in seven different classes. Combination of both methods can segment the image of cervical smear cell accurately, especially the cytoplasm areas. This is evidenced by the performance of the conducted trials. The performance of the proposed method compared with manual segmentation using groundtruth Zijdenbos similarity index (ZSI) and accuracy. The average value of ZSI in all trials showed the results of more than 70% so that it can be concluded that there is a high similarity between the Groundtruth with the image segmentation results. The average value of accuracy in all class showed a yield of about 70% to 90% so that it can be said the segmentation results are good enough. This method can increase the performance of distinguish between normal and abnormal cells and also identify the cervical cancer automatically.

Item Type: Thesis (Masters)
Additional Information: RTIf 006.42 Hum h
Uncontrolled Keywords: segmentasi citra, citra smear serviks, Radiating Gradient Vector Flow (RGVF) snake, Fuzzy Local Information C-Means (FLICM)
Subjects: Q Science > QA Mathematics > QA76.76.A65 Application software. Enterprise application integration (Computer systems)
Divisions: Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User: EKO BUDI RAHARJO
Date Deposited: 05 Nov 2019 06:30
Last Modified: 05 Nov 2019 06:30
URI: http://repository.its.ac.id/id/eprint/71608

Actions (login required)

View Item View Item