Detection of Malaria Parasites using Thresholding in RGB, YCbCr and Lab Color Spaces

Setiawan, Andri; Amir, Faisal; Resfita, Nova; Rahman, Yusuf A.

doi:10.1109/isemantic52711.2021.9573224

Cited by 5 publications

(2 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sedangkan analis ahli ini tidak selalu tersedia. Oleh karenanya diperlukan suatu metode atau teknologi pembacaan sediaan mikroskopis yang bersifat objektif dan akurat untuk dapat menghasilkan diagnosis malaria atau tuberculosis yang tepat sehingga mempermudah pekerjaan tenaga kesehatan [11].…”

unclassified

Pemeriksaan Citra Mikroskop Menggunakan Graphical User Interface dengan Python pada Raspberry Pi

Hidayat,

Muttaqin,

Algifari

et al. 2024

View full text Add to dashboard Cite

Pengamatan objek mikroskopis seperti bakteri, parasit, atau virus menggunakan mikroskop cahaya untuk tujuan diagnosis berbagai penyakit memerlukan ketelitian yang tinggi, sangat melelahkan, memerlukan waktu yang lama, serta subjektifitas pengamat juga cukup tinggi. Oleh karena itu, mikroskop digital, otomatis, portabel, dan compact dirancang berbasis komputer mini raspberry pi agar mengurangi kelelahan dan subjektivitas dalam pengamatan sampel berukuran mikroskopis dalam jumlah yang banyak. Untuk mendukung alat bantu tersebut, platform graphical user interface (GUI) dirancang menggunakan bahasa pemrograman python untuk memfasilitasi interaksi pengamat dan mikroskop digital, sehingga dapat menyimpan citra pengamatan sampel laboratorium dalam format digital dan dapat dilakukan operasi pengolahan citra maupun pengujian model Convolutional Neural Network (CNN) pada layar LCD berbasis raspbery pi. Pengujian penggunaan platform GUI, pengolahan citra, dan model CNN telah dilakukan pada raspberry pi melalui interaksi lewat layar LCD. Operasi pengolahan citra dan penghitungan jumlah objek dengan nilai akurasi 56,21%, serta pengujian model CNN dengan nilai akurasi 98,76% dapat dieksekusi dengan baik pada platform GUI ini dengan waktu eksekusi selama 2-3 detik. Dengan dirancangnya platform GUI pada mikroskop digital berbasis komputer mini raspberry pi ini diharapkan dapat mempermudah tenaga kesehatan untuk menginterpretasi hasil pemeriksaan laboratorium dibandingkan dengan inspeksi manual sampel melalui penglihatan yang memerlukan ketelitian tinggi serta melelahkan sehingga ia dapat meningkatkan layanan kesehatan di berbagai daerah terpencil di Indonesia dan berkontribusi dalam penurunan dan eliminasi berbagai penyakit.

show abstract

unclassified

Pemeriksaan Citra Mikroskop Menggunakan Graphical User Interface dengan Python pada Raspberry Pi

Hidayat,

Muttaqin,

Algifari

et al. 2024

View full text Add to dashboard Cite

show abstract

“…Kemudian untuk mengurangi kelelahan, kesalahan, dan subjektivitas pengamat dalam pemeriksaan berbasis mikroskop ini, pada mikroskop ini dapat dirancang aplikasi pengolahan citra untuk membedakan ada atau tidaknya parasit dan menghitung jumlahnya berdasarkan citra sampel sel darah merah maupun menggunakan aplikasi kecerdasan buatan Convolutional Neural Network untuk melakukan klasifikasi parasit malaria [14,15]. Setelah hasil deteksi dan penghitungan jumlah parasit didapatkan kemudian citra yang telah diolah maupun jumlah parasitnya dapat ditampilkan pada layar LCD.…”

unclassified

Mikroskop Digital, Otomatis, dan Portabel berbasis Raspberry Pi dengan Catu Daya DC

Hidayat,

Simbolon,

Dilivio

et al. 2023

View full text Add to dashboard Cite

Mikroskop cahaya dapat digunakan untuk melakukan magnifikasi dan melihat objek mikroskopis seperti bakteri, virus, atau sel untuk tujuan diagnosis suatu penyakit. Dalam melakukan pengamatan berdasarkan jumlah sampel yang banyak, ahli laboratorium rentan terhadap kelelahan, kesalahan, dan subjektivitas pengamatan. Oleh karena itu, kamera digital, komputer mini raspberry pi, layar liquid crystal display (LCD), motor stepper, catu daya dan bahasa pemrograman python digunakan sebagai komponen pendukung mikroskop cahaya untuk mengakusisi sampel laboratorium yang diamati dalam format digital sehingga dapat dilakukan operasi pengolahan citra pada raspberry pi dan ditampilkan hasilnya di layar LCD. Sedangkan motor stepper dan driver motor digunakan untuk menggeser meja sampel secara otomatis. Semua proses ini dilakukan dengan menggunakan bahasa pemrograman python. Hal ini dilakukan dengan tujuan untuk mengurangi beban pengamat dalam melihat dan menggeser slide sampel sebanyak 100 kali. Sistem akuisisi citra digital dan penggeseran meja sampel otomatis ini dirancang pada mikroskop cahaya portabel mampu meng-capture sampel pada kaca preparat menjadi citra digital, menggeser kaca preparat 100 kali, dan dilengkapi dengan catu daya 220 Volt sehingga dapat digunakan di fasilitas kesehatan manapun di Indonesia. Mikroskop digital, otomatis, dan portabel berbasis platform komputer mini raspberry pi ini dapat digunakan untuk melakukan pemeriksaan laboratorium berbagai penyakit seperti tuberculosis, malaria, atau leukimia dengan efisien dan efektif sehingga dapat mempermudah proses diagnosis penyakit dan dapat meningkatkan layanan kesehatan di berbagai daerah di Indonesia dan berkontribusi dalam penurunan dan eliminasi berbagai penyakit.

show abstract

Voting Based Classification System for Malaria Parasite Detection

Neelamraju

Penugonda

Koganti

et al. 2023

Proceedings in Adaptation, Learning and Optimization

View full text Add to dashboard Cite

Detection of Malaria Parasites using Thresholding in RGB, YCbCr and Lab Color Spaces

Cited by 5 publications

References 15 publications

Pemeriksaan Citra Mikroskop Menggunakan Graphical User Interface dengan Python pada Raspberry Pi

Pemeriksaan Citra Mikroskop Menggunakan Graphical User Interface dengan Python pada Raspberry Pi

Mikroskop Digital, Otomatis, dan Portabel berbasis Raspberry Pi dengan Catu Daya DC

Voting Based Classification System for Malaria Parasite Detection

Contact Info

Product

Resources

About