Susanti, Martini Dwi Endah (2018) Segmentasi Citra Sel Tunggal Smear Serviks Menggunakan MetodeRadiating Normally Biased Gradient Vector Flow Snake. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
tesis_Martini Dwi Endah Susanti.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Kanker serviks merupakan jenis kanker yang menyerang wanita yang mengakibatkan kematian setiap tahunnya. Pap smear merupakan sebuah langkah medis untuk mendeteksi ada atau tidaknya gangguan pada sel serviks wanita. Analisis hasil pemeriksaan pap smear secara manual memiliki kelemahan yaitu membutuhkan banyak tenaga ahli di bidang patologi, memakan banyak waktu, dan rawan terhadap kesalahan sehingga dibutuhkan sebuah sistem penyaringan otomatis dan sistem diagnosa yang akurat. Langkah yang paling utama dari sistem tersebut adalah proses segmentasi citra sel nukleus dan sitoplasma pada citra hasil pemeriksaan pap smear karena dapat memengaruhi keakuratan sistem.
Normally Biased Generalized Gradient Vector Flow Snake (NBGGVFS) merupakan sebuah algoritma pengganti gaya eksternal untuk active contour (snake) yang menggabungkan metode Generalized Gradient Vector Flow Snake (GGVFS) dan Normally Biased Gradient Vector Flow Snake (NBGVFS). Dalam memodelkan snake terdapat fungsi edge map yang biasanya dihitung dengan menggunakan operator deteksi tepi seperti sobel, namun metode tersebut tidak dapat mendeteksi daerah nukleus dari citra smear serviks dengan benar.
Penelitian ini mengusulkan metode baru untuk segmentasi citra sel tunggal smear serviks menggunakan metode Radiating Normally Biased Generalized Gradient Vector Flow Snake (RNBGGVFS). Penelitian ini memanfaatkan penggunaan Radiating Edge Map (REM) untuk menghitung edge map dari citra dengan metode NBGGVFS. Metode yang diusulkan terdiri atas 3 tahapan utama, yaitu tahap praproses, citra asli smear serviks RGB dikonversi ke dalam ruang warna CIELAB dan layer L* dinormalisasi untuk mendapatkan citra keabuan kemudian dilakukan penghilangan noise dengan metode median filtering. Citra smear serviks kemudian dibagi ke dalam tiga bagian yaitu nukleus, sitoplasma dan area latar belakang menggunakan mean shift clustering. Selanjutnya tahap terakhir adalah segmentasi kontur dengan metode RNBGGVFS sebagai fungsi pengganti gaya eksternal snake yang bertujuan untuk mendapatkan kontur nukleus dan sitoplasma citra sel tunggal smear serviks.
Berdasarkan uji coba, nilai rata-rata Zijdenbos Similarity Index (ZSI) dan akurasi untuk segmentasi nukleus adalah 96,96% dan 90,68%. Nilai rata-rata ZSI dan akurasi untuk segmentasi sitoplasma adalah 86,78% dan 89,35%. Hasil pengujian menunjukkan bahwa metode yang diusulkan mampu mendeteksi area nukleus dan sitoplasma pada citra sel tunggal smear serviks yang lebih optimal dibanding metode sebelumnya.
===============================================================================================Cervical cancer is a type of cancer that affects women, resulting in women death every year. Pap smear is a medical step to detect the abnormality of cervical cells among women. The analysis of pap smear examination results manually has a disadvantage that requires a lot of experts in the field of pathology, time consuming, and prone to errors, so it needs an automatic filtration system and accurate diagnostic system. The most important step of the system is the segmentation process of nucleus and cytoplasm cells in pap smear examination image, because it can affect the accuracy system.
Normally Biased Generalized Gradient Vector Flow Snake (NBGGVFS) is an external force algorithm for active contour (snake) that combines Generalized Gradient Vector Flow Snake (GGVFS) and Normally Biased Gradient Vector Flow Snake (NBGVFS) methods. In snake models, there is an edge map function. Edge maps are typically calculated using edge detection operators such as sobel. However, this method can not detect the nucleus region of cervical smear image correctly.
This research proposes a new method for segmentation of single cell cervical smears images using the Radiating Normally Biased Generalized Gradient Vector Flow Snake (RNBGGVFS) method. This method uses Radiating Edge Map to calculate image edge map with NBGGVFS method. The proposed method consists of 3 main stages, namely the pre-process stage, the original RGB cervical smear image will be converted into the CIELAB color space and the L* channel is normalized to obtain a gray image and then remove noise using median filtering method. The cervical smear image is divided into three parts (nucleus, cytoplasm and background area) using mean shift clustering. The last stage is contour segmentation using RNBGGVFS method as a replacement function of external force snake which aims to get the contour nucleus and cytoplasm of single cell cervical smear image.
Based on the experimental result, the average value of Zijdenbos Similarity Index (ZSI) and accuracy for nucleus segmentation is 96,96% and 90,68%. Then, the average value of ZSI and accuracy for cytoplasm segmentation is 86,78% and 89,35%. The experimental result show that the proposed method can detect the nucleus and cytoplasm area of single cell cervical smear images optimally than the previous method.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Segmentasi citra, citra smear serviks, mean shift clustering, Radiating Normally Biased Generalized Gradient Vector Flow Snake |
| Subjects: | T Technology > T Technology (General) T Technology > T Technology (General) > T58.5 Information technology. IT--Auditing |
| Divisions: | Faculty of Information and Communication Technology > Informatics > 55101-(S2) Master Thesis |
| Depositing User: | Martini Dwi Endah Susanti |
| Date Deposited: | 21 Jul 2021 23:04 |
| Last Modified: | 21 Jul 2021 23:04 |
| URI: | http://repository.its.ac.id/id/eprint/55831 |
Actions (login required)
 |
View Item |