Pendeteksian Sel Limfoblas pada Kasus Acute Lymphoblastic Leukemia Subtipe L1 Berbasis Convolutional Neural Networks dengan Metode Faster Region-Based Convolutional Neural Networks

MUHAMAD INSKA FAJRI, Ir. Nopriadi, S.T., M.Sc., Ph.D.; Ir. Agus Arif, MT.

2020 | Skripsi | S1 TEKNIK FISIKA

Acute lymphoblastic leukemia (ALL) merupakan salah satu jenis kanker darah. ALL terdiagnosis ketika jumlah terhitung sel limfoblas lebih dari 20% dari total sel darah yang berada di sumsum tulang. Oleh karena itu pendeteksian dini dengan melakukan penghitungan sel limfoblas dalam darah menjadi penting. Saat ini penghitungan sel limfoblas secara manual masih sangat mengandalkan ketelitian, keahlian, dan pengalaman dari masing-masing hematologis sehingga tidak jarang terjadi kesalahan penghitungan akibat faktor manusia. Oleh karena itu dibutuhkan suatu metode otomatis yang dapat mengklasifikasi dan menghitung sel limfoblas secara efektif serta handal. Metode deep learning sebagai salah satu cabang dari machine learning dapat digunakan sebagai salah satu cara untuk mengklasifikasi dan melokalisasi objek sel limfoblas dalam citra apusan darah. Metode yang digunakan pada pendeteksian sel limfoblas yaitu Faster Region-Based Convolutional Neural Networks (R-CNN) yang berbasis Convolutional Neural Networks (CNN). Penelitian ini telah berhasil mengimplementasikan metode pendeteksian Faster R-CNN untuk melakukan pendeteksian objek sel limfoblas dan sel non-limfoblas dengan arsitektur Residual Neural Networks (ResNet). Dari penelitian ini didapatkan performa pendeteksian dengan nilai akurasi sebesar 86,2% dan nilai mean average precision (mAP) sebesar 90,9%.

Acute lymphoblastic leukemia (ALL) is a type of blood cancer. ALL is diagnosed when the number of lymphoblast cells is more than 20% of the total blood cells in the bone marrow. Therefore early detection by counting lymphoblast cells in the blood becomes important. Currently the manually counting of lymphoblast cells still relies heavily on the accuracy, expertise, and experience each hematologist so that frequent errors due to human factors. Consequently an automatic object detection method is needed which can classify and count lymphoblast cells effectively and reliably. Deep learning is one branch of machine learning which can be used to classify and localize lymphoblast cell objects in blood smear images. The method used in lymphoblast cell detection is Faster Region-Based Convolutional Neural Networks (R-CNN). This research has successfully implemented the Faster R-CNN detection method to detect lymphoblast cell and non-lymphoblast cell objects with Residual Neural Networks (ResNet) architecture. This research has accomplished a detection performance with an accuracy value of 86.2% and mean average precision (mAP) of 90.9%.

Kata Kunci : ALL, Limfoblas, Pendeteksian Objek, Faster R-CNN, Convolutional Neural Networks