SEGMENTASI DAN EKSTRAKSI CIRI CITRA SEL DARAH PUTIH UNTUK KLASIFIKASI LEUKEMIA AKUT

Siti Fatonah, Nenden (2020) SEGMENTASI DAN EKSTRAKSI CIRI CITRA SEL DARAH PUTIH UNTUK KLASIFIKASI LEUKEMIA AKUT. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 0511146001002-Disertation.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Penyakit leukemia adalah penyakit yang sangat berbahaya dan mematikan. Penyakit leukemia disebabkan oleh gagalnya kematangan sel-sel yang dihasilkan oleh sumsum tulang dan menyebar keseluruh tubuh. Perhitungan dan analisa sel darah putih saat ini hanya bisa dilakukan oleh ahli hematologi atau dokter di laboratorium dan hasil diagnosa bersifat subyektif berdasarkan pengalaman dokter. Perhitungan dan analisa sel darah putih secara otomatis sangat diperlukan agar lebih mudah dalam membantu dokter melakukan diagnosa penyakit misalnya leukemia. Leukemia akut merupakan penyakit leukemia yang paling banyak diderita pasien. Pengembangan sistem deteksi jenis leukemia akut secara otomatis berdasarkan citra mikroskopis dibagi menjadi tiga tahapan yaitu segmentasi sel darah putih, ekstraksi ciri sel darah putih, dan klasifikasi. Kendala pertama pada segmentasi sel darah putih adalah variasi staining (pewarnaan) pada citra mikroskopis sel darah sehingga perlu metode segmentasi yang bisa menangani permasalahan tersebut. Kendala kedua adalah segmentasi multi sel darah putih yaitu adanya sel-sel yang bersentuhan sehingga perlu dikembangkan metode pemisahan sel yang lebih baik agar perhitungan jumlah sel serta hasil ekstraksi ciri lebih akurat untuk proses klasifikasi. Metode pemisahan sel-sel bersentuhan yang sudah dilakukan penelitian-penelitian sebelumnya masih terkendala adanya oversegmen, undersegmen, dan estimasi kontur sel darah putih yang kurang akurat.
Penelitian ini mengusulkan perbaikan metode segmentasi sel darah putih dan melakukan ekstraksi ciri pada citra mikroskopik sel darah untuk klasifikasi jenis leukemia akut. Untuk mendapatkan hasil klasifikasi yang akurat, metode segmentasi sel darah putih yang dikembangkan harus mendapatkan area sel darah putih dengan baik khususnya sel-sel yang bersentuhan sehingga pada tahapan ekstraksi ciri dapat menghasilkan ciri yang merepresentasikan karakteristik sel darah putih dengan baik. Tahapan segmentasi sel darah putih meliputi segmentasi area sel darah putih yaitu area nukleus dan sitoplasma, deteksi sel bersentuhan dan perhitungan jumlah sel, serta estimasi kontur hasil pemisahan sel yang bersentuhan. Sedangkan tahapan ekstraksi ciri adalah ekstraksi ciri warna, bentuk, dan tekstur pada area nukleus dan sitoplasma sel darah putih. Tahapan terakhir melakukan klasifikasi untuk mendapatkan jenis leukemia akut Acute Lymphocytic Leukemia (ALL) yang mempunyai tiga tipe yaitu L1, L2, dan L3.
Dataset yang digunakan adalah data pada citra mikroskopis apusan darah tepi ALL yang disediakan oleh Labati, dkk dan dikumpulkan oleh pakar di Pusat Penelitian Tettamanti, Tettamanti Research. Serta menggunakan data citra bone marrow jenis Acute Lymphocytic Leukemia (ALL) dan Acute Myelotic Leukemia (AML) dari RSUD Dr. Soetomo Surabaya. Dari hasil ujicoba yang sudah dilakukan menunjukkan metode segmentasi sel darah putih yang diusulkan meliputi deteksi sel bersentuhan dan estimasi kontur single sel lebih baik dibandingkan metode sebelumnya. Metode segmentasi sel darah putih yang diusulkan kemudian digunakan untuk klasifikasi jenis ALL menghasilkan sensitivitas yang lebih tinggi dibandingkan metode lainnya.

==================================================

Leukemia is a very dangerous and deadly disease. Leukemia is caused by the failure of the maturity of cells produced by the bone marrow and spread throughout the body. Calculation and analysis of white blood cells at this time can only be done by a hematologist or doctor in the laboratory and the results of the diagnosis are subjective based on the doctor's experience. Automatic calculation and analysis of white blood cells are needed to make it easier to help doctors diagnose diseases such as leukemia. Acute leukemia is a leukemia that affects most patients. The development of a system for detecting acute leukemia types automatically based on microscopic images is divided into three stages: segmentation of white blood cells, feature extraction of white blood cells, and classification. The first obstacle to white blood cell segmentation is the variation of staining on the microscopic image of blood cells so that segmentation methods are needed that can handle these problems. The second obstacle is the segmentation of white blood cells that are touching cells that need to be developed better cell separation methods so that the calculation of the number of cells and the results of feature extraction are more accurate for the classification process. The method of separating touching cells that have been done by previous studies is still constrained by the presence of oversegment, undersegment, and inaccurate estimation of white blood cell contours.
This study proposes improving the method of segmenting white blood cells and extracting features on microscopic images of blood cells for the classification of acute leukemia types. To get an accurate classification result, the white blood cell segmentation method developed must get an accurate area of white blood cells especially for the touching cells so in the feature extraction stage can produce features that represent the characteristics of white blood cells properly. Stages of white blood cell segmentation include the segmentation of white blood cell areas, namely the area of the nucleus and cytoplasm, the detection of touching cells and the calculation of the number of cells, as well as the estimation of the contours of the results of separating the touching cells. Whereas the feature extraction stage is the color, shape, and texture feature extraction in the area of the nucleus and cytoplasm of white blood cells. The last stage is to classify to get the type of acute leukemia Acute Lymphocytic Leukemia (ALL) which has three types, namely L1, L2, and L3.
The dataset used is data on microscopic images of ALL peripheral blood smears provided by Labati, et al and collected by experts at the Tettamanti Research Center, Tettamanti Research. And using data on bone marrow image types of Acute Lymphocytic Leukemia (ALL) and Acute Myelotic Leukemia (AML) from RSUD Dr. Soetomo Surabaya. From the results of trials that have been done show that the proposed white blood cell segmentation method includes the detection of touching cells and the estimation of single cell contours better than the previous method. The proposed white blood cell segmentation method is then used for the classification of type ALL producing higher sensitivity than other methods
.

Item Type:	Thesis (Doctoral)
Additional Information:	Departemen Teknik Informatika Fakultas Teknologi Elektro dan Informatika Cerdas Institut Teknologi Sepuluh Nopember PROGRAM DOKTORAL
Uncontrolled Keywords:	leukemia akut, segmentasi sel darah putih, ekstraksi ciri darah putih, klasifikasi jenis leukemia akut, Acute leukemia, White blood cell segmentation, White blood feature extraction, Classification of acute leukemia types
Subjects:	Q Science > Q Science (General) > Q337.5 Pattern recognition systems T Technology > T Technology (General) > T57.8 Nonlinear programming. Support vector machine. Wavelets. Hidden Markov models.
Divisions:	Faculty of Information Technology > Informatics Engineering > (S3) PhD Thesis
Depositing User:	Nenden Siti Fatonah
Date Deposited:	13 Aug 2020 09:00
Last Modified:	13 Aug 2020 09:00
URI:	http://repository.its.ac.id/id/eprint/77972

Actions (login required)

View Item