Detections of White Blood Cell Areas in Unstained Blood Smear Images using Morphological Techniques

Authors

  • Lina Lina Fakultas Teknologi Informasi, Universitas Tarumanagara
  • Michelle Augustine Fakultas Teknologi Informasi, Universitas Tarumanagara
  • Arlends Chris Fakultas Kedokteran, Universitas Tarumanagara

DOI:

https://doi.org/10.24114/cess.v7i2.35849

Keywords:

Deteksi Sel Darah Putih, Preparat tanpa Pewarnaan, Operasi Morfologi, Otsu Thresholding, Watershed.

Abstract

Diagnosis penyakit melalui analisis terhadap sel darah putih sangat bermanfaat dalam bidang medis. Seiring dengan kemajuan teknologi, proses analisis terhadap sel darah putih secara otomatis semakin banyak dikembangkan. Namun demikian, selama ini proses pendeteksian sel darah putih umumnya menggunakan preparat yang telah diwarnai terlebih dahulu untuk memperjelas lokasi keberadaan sel darah putih. Proses pewarnaan preparat membutuhkan waktu dan biaya yang cukup tinggi. Dalam penelitian yang dikembangkan, citra masukan bagi sistem adalah citra preparat yang tidak melalui proses pewarnaan sama sekali. Selanjutnya proses pendeteksian area sel darah putih dimulai dengan tahapan pre-processing untuk pengolahan domain warna citra, penghalusan citra, penajaman citra, serta teknik morfologi. Tahapan berikutnya adalah melakukan eliminasi area sel darah merah dari citra hasil pre-processing menggunakan metode transformasi watershed. Selanjutnya, tahapan post-processing dilakukan menggunakan teknik dilasi dan ekstraksi fitur berdasarkan perhitungan nilai karakteristik ukuran dan rasio setiap area yang tersisa. Luaran yang dihasilkan oleh sistem berupa hasil deteksi area citra yang mengandung sel darah putih saja. Sistem yang dikembangkan kemudian diujicobakan terhadap 167 data citra sel darah. Hasil eksperimen menunjukkan bahwa sistem mampu menghilangkan area sel darah merah dari citra preparat tanpa pewarnaan hingga 97%, namun rata-rata tingkat akurasi pendeteksian sistem belum optimal yaitu 46.13% dari jumlah citra uji.

References

J. Rodellar, S. Alferez, A. Acevedo, A. Molina, and A. Merino, œImage Processing and Machine Learning in the Morphological Analysis of Blood Cells, International Journal of Laboratory Hematology, vol. 40, no. 1, pp.46-53, 2018.

P. S. Hiremath, P. Bannigidad, and S. Geeta, œAutomated Identification and Classification of White Blood Cells (Leukocytes) in Digital Microscopic Images, IJCA Special Issue on œRecent Trends in Image Processing and Pattern Recognition RTIPPR, pp. 59-63, 2010.

L. Lina, D. Reynaldo, D. Danny, and A. Chris, œWhite Blood Cells Detection from Unstained Microscopic Images using Modified Watershed Segmentation, International Journal of Computer Science, vol. 48, no. 4, pp. 1151-1161, 2021.

M. Z. Othman, T. S. Mohammed, and A. B. Ali, œNeural Network Classification of White Blood Cell using Microscopic Images, International Journal of Advanced Computer Science and Applications, vol. 8 no. 5, pp. 99-104, 2017, doi: 10.14569/IJACSA.2017.080513.

A. Acevedo, S. Alferez, A. Merino, L. Puigvi, and J. Rodellar, œRecognition of Peripheral Blood Cell Images using Convolutional Neural Network, Computer Methods and Programs in Biomedicine, vol. 180, 105020, 2019.

U. Ahmad, œPengolahan Citra Digital & Teknik Pemrogramannya, Graha Ilmu, Yogyakarta, 2005.

R. C. Gonzales and R. E. Woods, œDigital Image Processing, 3rd Edition, Prentice Hall, New Jersey, 2008.

D.A. Prabowo and D. Abdullah, œDeteksi dan perhitungan objek berdasarkan warna menggunakan Color Object Tracking, Pseudocode, vol. 5, no. 2, pp.85-91, 2018, doi: 10.33369/pseudocode.5.2.85-91.

S. I. Syafi™I, R. T. Wahyuningrum and A. Muntasa, œSegmentasi Obyek Pada Citra Digital Menggunakan Metode Otsu Thresholding, Jurnal Informatika, vol. 13, no. 1, pp. 1-8, 2015.

N. M. Sobhy, N. M. Salem, and M. E. Dosoky, œA Comparative Study of White Blood cells Segmentation using Otsu Threshold and Watershed Transformation, Journal of Biomedical Engineering and Medical Imaging, vol. 3, no. 3, pp. 15, 2016, doi: 10.14738/jbemi.33.2078.

G. Poshamallu, œBinary Image Processing Implementation on FPGA Using Morphological Dilation and Erosion Techniques, International Journal of Engineering Science and Computing, vol. 6, no. 4, pp.4280-4283, 2016.

J. B. Roerdink, and A. Meijster, œThe Watershed Transform: Definitions, Algorithms and Parallelization Strategies, Fundamenta informaticae, vol.41, no. 1, 2, pp 187-228, 2000, doi: 10.3233/FI-2000-411207.

Downloads

Published

2022-07-31

Issue

Section

Articles