KLASIFIKASI TIPE SEL DARAH BONE MARROW DENGAN SUPPORT VECTOR MACHINE UNTUK PENENTUAN PENYAKIT ACUTE MYELOID LEUKEMIA (AML) PADA SUBTIPE M4, M5 DAN M7

ANDIKA SETIAWAN, Drs. Agus Harjoko, M.Sc., Ph.D.; Dr. dr. Tri Ratnaningsih, M.Kes., Sp.PK(K).

2018 | Tesis | S2 Ilmu Komputer

Acute Myeloid Leukemia (AML) merupakan salah satu penyakit kanker yang menyerang sel darah putih pada keturunan myeloid. Beberapa di antara subtipe AML adalah M4, M5 dan M7. Ketiganya berasal dari sel induk yang dipengaruhi oleh kriteria dan tingkat maturasi sehingga meyebabkan kenampakan sel yang hampir sama. Diagnosa awal yang umumnya dilakukan pada leukemia adalah dengan analisis morfologi dan teknik immunophenotyping. Namun teknik tersebut masih relatif memakan waktu serta sangat bergantung pada pengalaman dan kelelahan operator. Penelitian ini menerapkan pengolahan citra digital dan supervised classifier untuk mengatasi kendala tersebut, yakni dengan mengklasifikasikan tipe sel untuk penentuan subtipe AML. Teknik pengolahan citra dengan segmentasi K-Means dan rekonstruksi morfologi telah diterapkan untuk mensegmen semua sel blast dari ketiga subtipe. Tipe sel blast yang diidentifkasi yakni myeloblast, promyelosit, granulosit, monoblast, promonosit, monosit, megakaryoblast dan sel suppport. Fitur yang diekstrak dari hasil segmentasi adalah luas area, rasio nukleus, perimeter, kebundaran, mean dan standar deviasi. Proses klasifikasi tiap sel dilakukan menggunakan support vector machine kelas jamak dengan model one-vs-rest. Hasil penelitian menunjukkan bahwa algoritma segmentasi yang digunakan dapat diterapkan dengan baik dengan persentase keberhasilan sebesar 87,72% dari total 1710 objek sel. Hasil klasifikasi data uji dengan performa terbaik dicapai oleh kernel RBF dengan nilai akurasi, spesifisitas, presisi dan sensitivitas berturut-turut sebesar 94,35%, 96,44%, 54,76%, dan 53,38%. Seluruh preparat berhasil diidentifikasi sebagai AML subtipe M4, M5b dan M7 dengan kriteria jumlah tipe sel dari masing-masing subtipe.

Acute Myeloid Leukemia (AML) is a cancer type that attacks white blood cells in myeloid descendants. Some of the AML subtypes are M4, M5 and M7. All three are derived from stem cells that are influenced by the criteria and maturation levels so that causes almost identical cell appearance. The initial diagnosis commonly done in leukemia is by morphological analysis and immunophenotyping techniques. However, the technique is relatively time-consuming and relies heavily on operator experience and fatigue. This study applies digital image processing and supervised classifier to overcome these obstacles by classifying cell types for the determination of AML subtypes. Image processing techniques with K-Means segmentation and morphological reconstruction have been applied to segment all blast cells from all three subtypes. Blast cell types identified are myeloblast, promyelocyte, granulocyte, monoblast, promonocyte, monocyte, megakaryoblast and suppport cells. Features extracted from segmentation are area, ratio of nucleus, perimeter, circularity, mean and standard deviation. The classification process of each cell was performed using a multi-class support vector machine with a one-vs-rest model. The results showed that the segmentation algorithm used can be applied well with a success percentage of 87,72% of total 1710 cell objects. The best-performing test results were achieved by the RBF kernel with accuracy, specificity, precision and sensitivity of 94,35%, 96,44%, 54,76%, and 53,38%, respectively. All preparations were identified as AML subtypes M4, M5b and M7 with criteria for the number of cell types of each subtype.

Kata Kunci : Klasifikasi, Classification, Acute Myeloid Leukemia, K-Means, Support Vector Machine, One-vs-Rest.