IMPLEMENTASI MASK-RCNN PADA DATASET KECIL CITRA SEL DARAH MERAH BERDASARKAN KRITERIA WARNA SEL

Penulis

  • Dyah Aruming Tyas Universitas Gadjah Mada
  • Tri Ratnaningsih

DOI:

https://doi.org/10.36341/rabit.v8i1.3026

Kata Kunci:

Mask-RCNN, deteksi, sel darah merah

Abstrak

Pemeriksaan morfologi sel darah merah merupakan salah satu alat bantu penegakan diagnosis pada beberapa penyakit, salah satunya anemia. Perkembangan penerapan teknologi pengolahan citra digital, kecerdasan artifisial dan computer-aided diagnosis membuka peluang untuk menyelesaikan berbagai permasalahan terkait citra medis. Sel darah merah yang saling menempel atau bertumpuk merupakan tantangan dalam proses segmentasi sel darah merah yang pada akhirnya berpengaruh pada hasil pengenalan jenis sel. Metode yang dapat melakukan instance segmentation sangat diperlukan untuk mengatasi masalah tersebut. Penelitian ini bertujuan untuk mengimplementasikan algoritma Mask-RCNN pada dataset kecil citra sel darah merah dan mengevaluasi performa hasil prediksi. Berdasarkan hasil penelitian sel-sel darah merah yang menempel dapat dideteksi secara individual oleh model dan akurasi hasil deteksi sel adalah 68,27%. Mask-RCNN dapat digunakan untuk instance segmentasi sel darah dan deteksi sel darah pada dataset kecil namun akurasi model masih perlu ditingkatkan. oleh sebab itu perlu dilakukan penelitian selanjutnya dengan menambah jumlah dataset yang digunakan.

Unduhan

Data unduhan belum tersedia.

Referensi

L. Palmer et al., “ICSH recommendations for the standardization of nomenclature and grading of peripheral blood cell morphological features,†Int J Lab Hematol, vol. 37, no. 3, pp. 287–303, Jun. 2015, doi: 10.1111/ijlh.12327.

M. v Bills, B. T. Nguyen, and J.-Y. Yoon, “Simplified White Blood Cell Differential: An Inexpensive, Smartphone- and Paper-Based Blood Cell Count,†IEEE Sens J, vol. 19, no. 18, pp. 7822–7828, 2019, doi: 10.1109/JSEN.2019.2920235.

D. A. Tyas, S. Hartati, A. Harjoko, and T. Ratnaningsih, “Morphological, Texture, and Color Feature Analysis for Erythrocyte Classification in Thalassemia Cases,†IEEE Access, vol. 8, pp. 69849–69860, 2020, doi: 10.1109/ACCESS.2020.2983155.

H. Li, X. Zhao, A. Su, H. Zhang, J. Liu, and G. Gu, “Color Space Transformation and Multi-Class Weighted Loss for Adhesive White Blood Cell Segmentation,†IEEE Access, vol. 8, pp. 24808–24818, 2020, doi: 10.1109/ACCESS.2020.2970485.

H. H. Sultan, N. M. Salem, and W. Al-Atabany, “Multi-Classification of Brain Tumor Images Using Deep Neural Network,†IEEE Access, vol. 7, pp. 69215–69225, 2019, doi: 10.1109/ACCESS.2019.2919122.

C. Ge, I. Y.-H. Gu, A. S. Jakola, and J. Yang, “Enlarged Training Dataset by Pairwise GANs for Molecular-Based Brain Tumor Classification,†IEEE Access, vol. 8, pp. 22560–22570, 2020, doi: 10.1109/ACCESS.2020.2969805.

S. Ahmad and P. K. Choudhury, “On the Performance of Deep Transfer Learning Networks for Brain Tumor Detection Using MR Images,†IEEE Access, vol. 10, pp. 59099–59114, 2022, doi: 10.1109/ACCESS.2022.3179376.

K. T. Navya, K. Prasad, and B. M. K. Singh, “Classification of blood cells into white blood cells and red blood cells from blood smear images using machine learning techniques,†in 2021 2nd Global Conference for Advancement in Technology (GCAT), 2021, pp. 1–4. doi: 10.1109/GCAT52182.2021.9587524.

K. He, G. Gkioxari, P. Dollar, and R. Girshick, “Mask R-CNN,†in 2017 IEEE International Conference on Computer Vision (ICCV), Oct. 2017, pp. 2980–2988. doi: 10.1109/ICCV.2017.322.

S. M. Abas, A. M. Abdulazeez, and D. Q. Zeebaree, “A YOLO and convolutional neural network for the detection and classification of leukocytes in leukemia,†Indonesian Journal of Electrical Engineering and Computer Science, vol. 25, no. 1, p. 200, Jan. 2022, doi: 10.11591/ijeecs.v25.i1.pp200-213.

D. I. Saphietra, “Klasifikasi Sel Darah Merah Untuk Skrining Thalasemia Minor Menggunakan Transfer Learning Convolutional Neural Network,†Skripsi, UGM, Yogyakarta, 2021.

D. A. Tyas and T. Ratnaningsih, “Analisis Segmentasi Sel Darah Merah berbasis Mask-RCNN,†Journal of Informatics Information System Software Engineering and Applications (INISTA), vol. 5, no. 1, pp. 1–7, Nov. 2022, doi: 10.20895/inista.v5i1.766.

##submission.downloads##

Diterbitkan

2023-01-10

Cara Mengutip

[1]
D. A. Tyas dan T. Ratnaningsih, “IMPLEMENTASI MASK-RCNN PADA DATASET KECIL CITRA SEL DARAH MERAH BERDASARKAN KRITERIA WARNA SEL”, rabit, vol. 8, no. 1, hlm. 100–104, Jan 2023.

Terbitan

Vol 8 No 1 (2023): Januari

Bagian

Articles

Lisensi

1. Hak cipta dari semua manuskrip jurnal dipegang oleh RABIT: Jurnal Teknologi dan Sistem Informasi Univrab.
2. Ketentuan hukum formal untuk mengakses artikel digital jurnal elektronik tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY-NC-SA), yang berarti bahwa RABIT: Jurnal Teknologi dan Sistem Informasi Univrab berhak untuk menyimpan, mentransfer media / format, mengelola dalam bentuk basis data, memelihara, dan menerbitkan artikel.
3. Naskah yang diterbitkan baik cetak maupun elektronik adalah akses terbuka untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain itu, dewan editorial tidak bertanggung jawab atas pelanggaran hukum hak cipta.