DETAIL KOLEKSI

Segmentasi citra sel kanker payudara dengan metode jaringan syaraf tiruan backpropagation


Oleh : Amnah

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2011

Pembimbing 1 : Binti Solihah

Subyek : Computer programming;Computer networks

Kata Kunci : feature extraction, artificial neural networks, backpropagation, image segmentation

Status Posting : Published

Status : Tidak Lengkap


File Repositori
No. Nama File Hal. Link
1. 2011_TA_SIF_06405021_Halaman-Judul.pdf 10
2. 2011_TA_SIF_06405021_Lembar-Pengesahan.pdf 3
3. 2011_TA_SIF_06405021_Bab-1_Pendahuluan.pdf 5
4. 2011_TA_SIF_06405021_Bab-2_Landasan-Teori.pdf
5. 2011_TA_SIF_06405021_Bab-3_Analisa-dan-Perancangan.pdf
6. 2011_TA_SIF_06405021_Bab-4_Implementasi-dan-Hasil-Uji-Coba.pdf
7. 2011_TA_SIF_06405021_Bab-5_Kesimpulan-dan-Saran.pdf 2
8. 2011_TA_SIF_06405021_Daftar-Pustaka.pdf 1

M Metode yang digunakan dalam penegakan diagnosa kanker payudara yaitu metode imunohistokimia. Dalam analisisnya, seorang patolog hams menghitung presentase sel positif dan sel negatif dari suatu paparan citra mikroskopis yang dihasilkan dari specimen yang sudah mengalami pemulasan yang dilihat dari bawah inikroskop cahaya, Proses penghitungan dilakukan secara manual, dimana prosesnya membutuhkan waktu yang cukup lama, kurang presisi dan subjektif Oleh karena itulah maka pada paper ini akan dikemukakan perangkat untuk identifikasi secara otomatis dengan menggunakan rrietode Jaringan Syaraf Tiruan Backpropagation. JST merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses belajar melalui penbahan bobot sinapsisnya. Metode pembelajaran JST secara terawasi artinya membutuhkan data masukan dan data target, data masukan berupa vektor fitur yang terdiri dari fitur R, G, B, nilai rata-rata, gradient norm dan derajat keanggotaan yang didapat dari proses ekstraksi fitur. Struktur jaringan backpropagation yang dipakai menggunakan 13 layer masukkan, dua layer tersembunyi dan satu layer keluaran. Pengujian jaringan yang telah dilatih sebelumnya dengan cara mengekstrak fitur dan disimpan didalam vektor data kemudian disimulasikan ke simulator jaringan. Hasil percobaan didapatkan bahwa jaringan mampu mengenali daerah-daerah inti sel positif, negatif dan background. Tingkat presisi dari sistem yang dibuat sebesar 75 %.

T The method used in establishing the diagnosis of breast cancer is the immunohistochemical method. In the analysis, a pathologist must calculate the percentage of positive and negative cells from a microscopic image exposure produced from a specimen that has undergone staining viewed under a light microscope. The calculation process is done manually, where the process takes a long time, is less precise and subjective. Therefore, in this paper, a device for automatic identification will be presented using the Backpropagation Artificial Neural Network method. ANN is one of the information processing systems designed to imitate the way the human brain works in solving a problem by carrying out a learning process through adding synaptic weights. The supervised ANN learning method means that it requires input data and target data, the input data is in the form of a feature vector consisting of R, G, B features, average values, gradient norms and degrees of membership obtained from the feature extraction process. The backpropagation network structure used uses 13 input layers, two hidden layers and one output layer. Testing the network that has been trained previously by extracting features and storing them in a data vector is then simulated in a network simulator. Experimental results showed that the network was able to recognize positive, negative, and background cell nucleus regions. The system's precision was 75%.

Bagaimana Anda menilai Koleksi ini ?