• Login
    View Item 
    •   DSpace Home
    • Students & Alumnae
    • Thesis
    • Master of Informatics
    • View Item
    •   DSpace Home
    • Students & Alumnae
    • Thesis
    • Master of Informatics
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Otomatisasi Deteksi Jumlah Sel Epitel Pada Citra PAP Smear Menggunakan Kriteria Jarak Dan Clustering

    Thumbnail
    View/Open
    09917205 Rahadian Kurniawan.pdf (3.809Mb)
    isi.pdf (2.353Mb)
    Date
    2012
    Author
    Rahadian Kurniawan
    Metadata
    Show full item record
    Abstract
    Penghitungan jumlah sel epitel serviks merupakan salah satu standar prosedur yang harus dilakukan dalam penentuan kelayakan slide preparat yang akan didiagnosis oleh Dokter spesialis Patologi Anatomi. Ketepatan hasil penghitungan sel ini menjadi syarat utama untuk diagnosis awal penyakit kanker serviks. Penghitungan jumlah sel epitel serviks dapat dilakukan dengan cara mendeteksi letak nuclei-nya, kemudian dilakukan proses perhitungan dari jumlah nuclei yang terdeteksi tersebut. Penelitian ini menawarkan sebuah model yang diharapkan dapat menghitung sel nuclei secara otomatis sehingga dapat membantu mempermudah Dokter Patologi Anatomi untuk menghitung jumlah sel epitel serviks yang merupakan syarat kelayakan slide preparat Pap smear. Penelitian yang dilakukan terdapat 5 tahap utama untuk penghitungan jumlah sel epitel serviks, antara lain: 1) Preprocessing; 2) Deteksi Centroids Kandidat Sel Nuclei; 3) Perbaikan Posisi Kandidat Sel Nuclei; 4) Pengurangan Jumlah Centroids dengan Kriteria Jarak; dan 5) Clustering. Model yang diusulkan akan diujikan pada dataset berupa 13 gambar sitologis Pap smear dengan tipe preparasi Liquid Based Preparation/ ThinPrep. Model yang ditawarkan kemudian akan dibandingkan dengan hasil evaluasi dari Dokter ahli Patologi Anatomi. Hasil dari keluaran sistem akan dievaluasi oleh Dokter ahli Patologi Anatomi dengan menggunakan Single Decision Threshold untuk mencari tingkat sensitivity, specificity, dan kinerja sistem. Penelitian ini telah mendeteksi sebagian besar nuclei pada citra yang digunakan sebagai dataset. Model yang diusulkan memiliki tingkat sensitivity sebesar 91,20%, specificity sebesar 79,96%, dan kinerja sistem sebesar 85%. Kata Kunci :Kanker Serviks, Deteksi jumlah sel nuclei, Liquid Based Preparation/ ThinPrep
    URI
    https://dspace.uii.ac.id/handle/123456789/37669
    Collections
    • Master of Informatics [372]

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV