Segmentasi Citra Sel Tunggal Smear Serviks Menggunakan Metode Radiating Normally Biased Generalized Gradient Vector Flow Snake

Abstract

Proses segmentasi nukleus dan sitoplasma dibutuhkan dalam sistem diagnosa otomatis pemeriksaan kanker serviks karena dapat mempengaruhi keakuratan sistem. Sebuah algoritma energi eksternal untuk active contour (snake) dengan menggabungkan metode Normally Biased Gradient Vector Flow Snake dan Generalized Gradient Vector Flow Snake diusulkan pada penelitian ini. GGVF dapat memperbesar jangkauan konvergensi kontur aktif, meningkatkan kinerja konvergensi dan lebih handal terhadap noise, serta NBGVF dapat memberikan solusi untuk masalah perlindungan tepi yang tipis. Oleh karena itu, penelitian ini menggabungkan GGVF dan NBGVF untuk mengusulkan versi energi eksternal yang baru yang disebut Normally Biased Generalized Gradient Vector Flow Snake (NBGGVFS). Radiating Edge Map dimanfaatkan sebagai fungsi edge map snake pada penelitian ini. Penelitian ini bertujuan untuk segmentasi sitoplasma dan nukleus citra sel tunggal smear serviks menggunakan metode Radiating Normally Biased Generalized Gradient Vector Flow Snake. Metode usulan terdiri atas tiga proses utama, yaitu pra proses, proses segmentasi awal dan segmentasi akhir. Metode segmentasi awal yang digunakan pada penelitian ini adalah mean shift clustering. Dataset yang digunakan adalah dataset Herlev. Proses uji coba dilakukan dengan cara memvariasikan nilai bandwidth metode segmentasi awal dan dengan membandingkan nilai akurasi dan ZSI metode usulan dengan metode penelitian sebelumnya. Berdasarkan uji coba, nilai rata-rata Zijdenbos Similarity Index (ZSI) dan akurasi untuk segmentasi nukleus adalah 96,96% dan 90,68%, dan untuk sitoplasma adalah 86,78% dan 89,35%. Hasil pengujian menunjukkan metode yang diusulkan mampu mendeteksi area nukleus dan sitoplasma pada citra sel tunggal smear serviks lebih optimal dibandingkan metode sebelumnya sehingga dapat digunakan sebagai metode segmentasi pada sistem identifikasi kanker serviks.