Implementasi Metode Deteksi Obyek Untuk Klasifikasi Eritrosit, Leukosit, dan Trombosit pada Citra Sel Darah

Swandaru, Honesta (2023) Implementasi Metode Deteksi Obyek Untuk Klasifikasi Eritrosit, Leukosit, dan Trombosit pada Citra Sel Darah. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111640000055-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (3MB) | Request a copy

Abstract

Sel darah dibagi menjadi 3 bagian. Yaitu Sel darah merah (eritrosit), sel darah putih (leukosit) dan keping darah (trombosit). Karena peran penting ketiga sel ini, dengan mengetahui jumlah ketiganya dapat membantu dokter dalam mendiagnosis pasien. Untuk memastikan analisis dari dokter maka diperlukan alat deteksi yang dapat membedakan ketiga sel guna mempermudah para dokter dalam menganalisis. Tujuan dari tugas akhir ini adalah dapat mengimplementasikan metode Faster R-CNN untuk mengklasifikasi eritrosit, leukosit dan trombosit pada citra sel darah. Faster R-CNN merupakan salah satu metode dari Deep Learning yang mampu mendeteksi objek yang ada di dalam sebuah citra dengan menggabungkan Fast R-CNN dengan algoritma Region Proposal Network(RPN). Dataset yang dipakai oleh penulis adalah Dataset Blood Cell Count Dataset (BCCD) yang sudah disediakan oleh Shenggan di Github. Dataset ini akan melalui proses pra proses yaitu resizing dan merubahnya ke grayscale. Sebagian data akan digunakan untuk data pelatihan dan sisanya menjadi data tes. Data pelatihan akan digunakan untuk diambil fiturnya untuk mendapatkan model terbaik. Hasil Penelitian menunjukkan performa dari Faster R-CNN dengan iterasi 20 dan interval 800 kali memiliki Akurasi 27% dengan overlap Threshold terbaik sekitar 20%.
===============================================================================================================================
Blood cells are divided into 3 parts. These are red blood cells (erythrocytes), white blood cells (leukocytes) and platelets (platelets). Due to the important role of these three cells, knowing the number of all three can help doctors in diagnosing patients. To ensure the doctor's analysis, a detection tool is needed that can distinguish the three cells to make it easier for doctors to analyze. The aim of this final project is to be able to implement the Faster R-CNN method for classifying erythrocytes, leukocytes and platelets in blood cell images. Faster R-CNN is a method of Deep Learning that is able to detect objects in an image by combining Fast R-CNN with the Region Proposal Network (RPN) algorithm. (Ren et al., 2016, 1) The dataset used by the author is the Blood Cell Count Dataset (BCCD) Dataset which has been provided by Shenggan on Github (Sheggan, 2018). This dataset will go through a pre-processing process, namely resizing and converting it to grayscale. Some of the data will be used for data training and the rest will be test data. Data training will be used to retrieve the features to get the best model. Test result showed that Faster R-CNN performance with 20 epoch and 800 number as interval has an accuration 24% with the best overlap threshold in 20%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi, Citra Sel Darah, Deep Learning, Faster R-CNN
Subjects:	R Medicine > R Medicine (General) > R858 Deep Learning T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Honesta Swandaru
Date Deposited:	03 Mar 2023 01:36
Last Modified:	03 Mar 2023 01:36
URI:	http://repository.its.ac.id/id/eprint/97730

Actions (login required)

View Item