Overlapping White Blood Cell Segmentation And Counting On Microscopic Blood Cell Images

Fatichah, Chastine; Purwitasari, Diana; Hariadi, Victor; Effendy, Faried

doi:10.21307/ijssis-2017-705

Cited by 18 publications

(19 citation statements)

References 21 publications

(39 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Banyak penelitian yang dilakukan terkait kegiatan dalam meneliti sel darah putih bersentuhan atau bertumpuk, dimana metode yang digunakan oleh peneliti adalah pendekatan berdasarkan informasi bentuk [3] [8]. Pendekatan ini lebih cepat dilakukan, akan tetapi proses yang dilakukan masih sensitif pada bentuk sel darah putih yang beragam.…”

Section: Pendahuluanunclassified

Perhitungan Dan Pemisahan Sel Darah Putih Berdasarkan Centroid Dengan Menggunakan Metode Multi Pass Voting Dan K-Means Pada Citra Sel Acute Leukemia

Arisa¹,

Fatichah²

2018

JUTI

Self Cite

View full text Add to dashboard Cite

2) ABSTRAK Kanker darah atau yang biasa disebut leukemia merupakan jenis penyakit yang berbahaya. Ada beberapa tipe leukemia, salah satunya yaitu tipe leukemia berjenis Acute Leukemia. Penyakit ini berdampak buruk hingga kematian jika tidak cepat diberikan penanganan oleh para ahli. Penyebab utama karena meningkatnya jumlah sel darah putih abnormal yang cepat ke dalam darah. Identifikasi tercepat yang dapat dilakukan yaitu dengan perhitungan dan analisa keseluruhan dari jenis sel darah putih. Akan tetapi, perhitungan dan analisa jenis sel darah putih yang masih dilakukan secara manual menyebabkan hasil yang didapatkan kurang akurat dan membutuhkan waktu banyak waktu. Oleh sebab itu diperlukan proses secara otomatis yang dapat membantu para ahli dalam mendapatkan hasil identifikasi yang lebih cepat dan akurat. Pada penelitian sebelumnya, proses perhitungan jumlah sel darah putih sudah dilakukan secara otomatis, namun perhitungan yang dihasilkan masih kurang akurat. Hal ini disebabkan karena adanya sel yang bersentuhan dan adanya ukuran dan bentuk sel yang bervariasi. Penelitian ini mengusulkan metode perhitungan sel darah putih pada citra sel Acute Leukemia menggunakan deteksi seed dengan metode Multi Pass Voting (MPV) dan K-Means. Keberadaan sel bersentuhan akan dipisahkan menggunakan metode K-Means yang memanfaatkan final seed dari metode MPV sebagai centroid awal. Selanjutnya dari hasil evaluasi yang diterapkan pada 40 dataset citra Sel Acute Leukemia, metode yang diusulkan dapat melakukan perhitungan dengan baik. Nilai akurasi perhitungan jumlah sel darah putih dengan menggunakan metode MPV yaitu sebesar 98,6%. Pada metode sebelumnya berbasis geometri hanya menghasilkan nilai akurasi perhitungan sebesar 90.6% dan metode watershed sebesar 92.75%.

show abstract

Section: Pendahuluanunclassified

Perhitungan Dan Pemisahan Sel Darah Putih Berdasarkan Centroid Dengan Menggunakan Metode Multi Pass Voting Dan K-Means Pada Citra Sel Acute Leukemia

Arisa¹,

Fatichah²

2018

JUTI

Self Cite

View full text Add to dashboard Cite

show abstract

“…Selain itu, jumlah sel yang mengalami oversegmentation dihitung berdasarkan jumlah cluster, sedangkan under-segmentation dihitung berdasarkan jumlah cluster yang kurang dari jumlah sel bertumpuk yang sebenarnya. Nilai akurasi yang dihasilkan oleh metode yang diusulkan akan dibandingkan dengan nilai akurasi metode K-Means Clustering [7]. Nilai akurasi dihitung berdasarkan perbandingan jumlah sel benar dan jumlah sel pada citra asli sesuai dengan (15) berdasarkan confusion matrix pada Tabel I, dengan true positive ( ) adalah jumlah sel yang diidentifikasi dengan benar dan true negative ( ) adalah jumlah sel benar yang tidak teridentifikasi.…”

Section: Skenario Uji Coba Dan Metode Evaluasiunclassified

“…Dalam sebuah penelitian lain, kombinasi metode Region-Based Active Contour dan Bayesian untuk pemisahan sel bertumpuk menghasilkan nilai rata-rata akurasi sebesar 61,30%, sementara kombinasi metode Region-Based Active Contour dan Watershed menghasilkan rata-rata nilai akurasi sebesar 65% [6]. Selanjutnya, telah dilakukan juga penelitian deteksi dan pemisahan sel bertumpuk pada citra mikroskopis sel darah menggunakan informasi ciri (feature) geometri dan analisis KMeans Clustering untuk pemisahan sel kanker bertumpuk [7]. Hasilnya menunjukkan bahwa metode ini memiliki rata-rata akurasi yang lebih tinggi, yaitu 96,46%, dan nilai galat (error) yang lebih rendah dibandingkan dengan metode Classical Watershed yang memperoleh rata-rata nilai akurasi sebesar 79,87% dan metode Condition Erosion Watershed yang menghasilkan rata-rata nilai akurasi sebesar 87,22%.…”

unclassified

“…Deteksi sel kanker payudara perlu dilakukan untuk mengurangi kemungkinan over-segmentation dan under-segmentation berdasarkan informasi ciri (feature) geometri area dengan memberikan asumsi luasan sel kanker tunggal dan luasan sel kanker bertumpuk [8]. Untuk pemisahan sel bertumpuk, metode clustering menghasilkan pemisahan sel darah bertumpuk yang baik dan memperoleh nilai akurasi yang tinggi dibandingkan dengan metode classical watershed dan metode condition erosion watershed, sehingga dapat dikembangkan lagi untuk menghasilkan nilai akurasi yang semakin tinggi [7].…”

unclassified

See 1 more Smart Citation

Spatial Fuzzy C-means dan Rapid Region Merging untuk Pemisahan Sel Kanker Payudara

Tuwohingide¹,

Fatichah²

2017

Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI)

Self Cite

View full text Add to dashboard Cite

Intisari-Segmentasi dan pemisahan sel bertumpuk merupakan tahapan penting dalam proses pengolahan citra mikroskopis sel kanker payudara, karena akurasi hasil pemisahan sel bertumpuk akan menentukan akurasi perhitungan sel kanker payudara. Hasil perhitungan jumlah sel kanker payudara merupakan salah satu faktor pertimbangan bagi dokter untuk melakukan tindakan terhadap pasien. Masalah peningkatan akurasi hasil pemisahan sel kanker bertumpuk berdasarkan perhitungan jumlah sel kanker dan masalah over-segmentation adalah topik yang paling umum dibahas pada penelitian-penelitian sebelumnya. Metode clustering yang digunakan untuk pemisahan sel kanker darah bertumpuk menghasilkan nilai akurasi yang tinggi dibandingkan metode watershed. Pada makalah ini diusulkan kombinasi metode Spatial Fuzzy C-Means (SFCM) dan Rapid Region Merging (RRM) untuk pemisahan sel bertumpuk dan penanganan masalah over-segmentation. Citra masukan pada tahapan pemisahan sel bertumpuk adalah citra hasil identifikasi sel kanker payudara berdasarkan metode Gram-Schmidt (GS), sedangkan sel kanker yang akan dipisahkan adalah sel kanker yang dideteksi bertumpuk berdasarkan ciri (feature) geometri area. Data set yang digunakan sebanyak 40 citra mikroskopis sel kanker payudara jenis benign dan malignant. Pada makalah ini dihasilkan nilai rata-rata Mean Square Error (MSE) identifikasi sel sebesar 0,07 dan rata-rata akurasi hasil pemisahan sel bertumpuk menggunakan metode SFCM dan RRM sebesar 78,41%.

show abstract

“…technology [5][6][7][8][9]34] ,which generates video of new viewpoint only by some reference views, and can reduce the data needed for storage and transmission.…”

Section: Introductionmentioning

confidence: 99%

New Stereo Matching Method Based on Improved BP Algorithm

Zhang

Shao-min

Zhang

et al. 2015

International Journal on Smart Sensing and Intelligent Systems

View full text Add to dashboard Cite

Overlapping White Blood Cell Segmentation And Counting On Microscopic Blood Cell Images

Cited by 18 publications

References 21 publications

Perhitungan Dan Pemisahan Sel Darah Putih Berdasarkan Centroid Dengan Menggunakan Metode Multi Pass Voting Dan K-Means Pada Citra Sel Acute Leukemia

Perhitungan Dan Pemisahan Sel Darah Putih Berdasarkan Centroid Dengan Menggunakan Metode Multi Pass Voting Dan K-Means Pada Citra Sel Acute Leukemia

Spatial Fuzzy C-means dan Rapid Region Merging untuk Pemisahan Sel Kanker Payudara

New Stereo Matching Method Based on Improved BP Algorithm

Contact Info

Product

Resources

About