Rancang Bangun Mikroskop Digital Dengan Fitur Image Processing Untuk Deteksi Sel Leukemia Limfoblastik Akut Menggunakan Raspberry Pi

Sanjaya, Angeline Dwi (2024) Rancang Bangun Mikroskop Digital Dengan Fitur Image Processing Untuk Deteksi Sel Leukemia Limfoblastik Akut Menggunakan Raspberry Pi. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 5023201017-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Darah menyimpan banyak informasi terkait kondisi tubuh seseorang, baik dari segi morfologis ataupun jumlah sel darah. Proses analisis sel darah sendiri umum dikenal sebagai salah satu prosedur medis yang memerlukan tingkat akurasi tinggi karena memiliki pengaruh yang besar terhadap ketepatan hasil diagnosis. Salah satu contoh informasi yang dapat diperoleh melalui hasil analisis citra mikroskopis sel darah adalah keberadaan sel Leukemia Limfoblastik Akut (ALL) yang merupakan salah satu jenis kanker darah yang umum pada anak-anak. Di Indonesia, ALL menempati peringkat pertama kanker yang paling banyak diderita anak-anak menurut IDAI. Hingga saat ini, analisis sel darah cenderung dilakukan secara manual menggunakan mikroskop cahaya atau mikroskop digital. Namun, kekurangan dari metode pemeriksaan manual terdapat pada segi akurasi yang bias dan memerlukan waktu yang lama, sedangkan kekurangan dari pengimplementasian mikroskop digital terdapat pada biaya implementasi yang mahal dan sistemnya yang kompleks. Berdasarkan kekurangan dari metode pemeriksaan yang ada, pada penelitian ini dikembangkan suatu sistem deteksi ALL berbasis YOLOv4 (You Only Look Once) untuk meningkatkan akurasi dan kecepatan dalam proses deteksi sel ALL. Lebih lanjut, algoritma ini juga diintegrasikan dengan mikroskop digital yang dirancang menggunakan mikrokomputer berupa raspberry pi, dengan komponen akuisisi citra yang terdiri dari lensa okuler 10X, lensa objektif 100X serta modul kamera raspberry pi. Hasil akhir dari penelitian ini berupa aplikasi “RNA BioLens” yang telah di-deploy pada raspberry pi dan mencakup keseluruhan sistem rancangan dimana algoritma deteksi yang digunakan dapat mendeteksi sel ALL dari citra apusan darah dengan akurasi 97.67% secara keseluruhan.
========================================================================================================================================
Blood holds a wealth of information regarding an individual's health, both in terms of morphological characteristics and the number of blood cells. The process of blood cell analysis is commonly known as a medical procedure that requires a high degree of accuracy due to its significant impact on the precision of diagnostic results. One example of the information that can be obtained through microscopic image analysis of blood cells is the presence of Acute Lymphoblastic Leukemia (ALL) cells, which is a common type of blood cancer in children. In Indonesia, ALL ranks first among the most common cancers affecting children, according to the Indonesian Pediatric Society (IDAI). To date, blood cell analysis is typically performed manually using light microscopes or digital microscopes. However, the disadvantages of manual examination methods include biased accuracy and a lengthy process time, while the drawbacks of implementing digital microscopes are high implementation costs and complex systems. Based on the shortcomings of the existing examination methods, this study developed a YOLOv4 (You Only Look Once)-based ALL detection system to improve the accuracy and speed of the ALL-cell detection process. Furthermore, this algorithm is integrated with a digital microscope designed using a microcomputer in the form of a Raspberry Pi, with image acquisition components consisting of a 10X eyepiece lens, a 100X objective lens, and a Raspberry Pi camera module. The outcome of this research is a digital microscope system called "RNA BioLens" that was deployed as an application, which can detect ALL cells from blood smear images with an overall accuracy of 97.67%.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Mikroskop digital, Digital Microscope, Leukemia Limfoblastik Akut (ALL), Acute Lymphoblastic Leukemia (ALL), RaspberryPi, You Only Look Once (YOLOv4).
Subjects:	T Technology > T Technology (General) > T59.7 Human-machine systems. T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques T Technology > TA Engineering (General). Civil engineering (General) > TA593.35 Instruments, cameras, etc.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Biomedical Engineering > 11410-(S1) Undergraduate Thesis
Depositing User:	Angeline Dwi Sanjaya
Date Deposited:	08 Aug 2024 08:21
Last Modified:	08 Aug 2024 08:21
URI:	http://repository.its.ac.id/id/eprint/111706

Actions (login required)

View Item