Metode Gram-Schmidt dan Watershed Distance Transform untuk Pemisahan Sel Kanker Payudara
(Gram-Schmidt Method and Watershed Distance Transform for Breast Cancer Cell Separation)
Abstract
Penerapan pengolahan citra dalam membantu melakukan analisis citra mikroskopis semakin berkembang, salah satunya adalah penelitian tentang pemisahan sel kanker payudara bertumpuk. Hasil pemisahan sel kanker payudara akan sangat memperngaruhi akurasi perhitungan jumlah sel kanker. Metode watershed adalah metode segmentasi yang paling umum digunakan dan dikembangkan dalam pemisahan sel kanker bertumpuk pada penelitian sebelumnya. Berdasarkan penelitian sebelumnya juga diketahui bahwa metode Gram-Schmidt mampu menghasilkan nilai Mean Square Error yang relatif lebih rendah dibandingkan metode lainnya sehingga pada makalah ini diusulkan Pemisahan sel kanker payudara menggunakan metode Watershed Distance Transform berdasakan metode Gram-Schmidt. Dataset yang digunakan pada penelitian ini adalah citra mikroskopis sel kanker payudara jenis benign dan malignant. Kombinasi metode yang digunakan pada penelitian ini menghasilkan nilai MSE 0,09041 dan nilai akurasi pemisahan sel kanker sebesar 71,02%.
Downloads
References
Aini, N. 2015. Metode Hybrid Region-Based Active Contour dan Bayesian untuk Segmentasi dan Pemisahan Sel Bertumpuk pada Citra Mikroskopis Sel Kanker Payudara.
J. Hari., A. San Prasad, S. Koteswara Rao. 2014. Separation and Counting of Blood Cells Using Geometrical Features and Distance Transformed Watershed. 2014 2nd International Conference On.Devices, Circuits and System (ICDCS).
Mouelhi, A., Sayadi, M., & Fnaiech, F. 2011. Automatic segmentation of clustered breast cancer cells using watershed and concave vertex graph. 2011 International Conference on Communications, Computing and Control Applications, CCCA (1), 2–7.
Mouelhi, A., Sayadi, M., & Fnaiech, F. 2013. A Supervised Segmentation Scheme Based on Multilayer Neural Network and Color Active Contour Model
for Breast Cancer Nuclei Detection, (1).
Mouelhi, A., Sayadi, M., Fnaiech, F., & Mrad, K. 2013. Biomedical Signal Processing and Control Automatic image segmentation of nuclear stained
breast tissue sections using color active contour model and an improved watershed method. Biomedical Signal Processing and Control, 8(5),
421–436.
Phukpattaranont, P., & Boonyaphiphat, P. 2007. Color Based Segmentation of Nuclear Stained Breast Cancer Cell Images. Communications, 5(2), 158–164.
Prasetyo, E. 2011. Pengolahan Citra Digital Dan Aplikasinya Menggunakan MATLAB, Penerbit Andi.
Rezatofighi, S.H. 2009. International Conference on Digital Image Processing A New Approach to White Blood Cell Nucleus Segmentation Based on GramSchmidt Orthogonalization, 107–111.
Tuwohingide, D., Fatichah, C. 2017. Spatial Fuzzy CMeans dan Rapid Region Merging untuk Pemisahan Sel Kanker Bertumpuk, Jurnal Nasional Teknik Elektro dan Teknologi Informasi (JNTETI).
