1. UKM Learning and Research Repository
2. Master Thesis / Tesis Master
3. Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Title:	Penggredan automatik imej histopatologi barah secara gugusan matrik dwi-kejadian dan pembelajaran tersedia
Authors:	Ade Aulya Inzani Mudjahidin (P88842)
Supervisor:	Afzan Adam, Dr.
Keywords:	Universiti Kebangsaan Malaysia -- Dissertations Dissertations, Academic -- Malaysia Teknologi imej Barah
Issue Date:	13-Jul-2020
Description:	Teknologi imej adalah sesebuah teknologi yang diaplikasikan pelbagai jenis bidang ilmu. Penerapan teknologi imej ini seperti pada sistem multimedia, keselamatan biometrik, dan perubatan menggunakan analisis imej bagi mendiagnosis penyakit. Analisis imej dan pembelajaran mesin juga digunakan untuk membantu pakar perubatan bagi mengenalpasti ketidak normalan imej perubatan yang terdapat pada tisu, contohnya untuk melihat bahagian dalam tubuh seperti pembuluh darah yang bocor atau barah. Bagi analisis bidang imej perubatan, terutamanya untuk mengesan barah, kaedah piawai yang boleh menentukan diagnosis barah ialah pemeriksaan biopsi oleh pakar histopatologi. Pendekatan analisis dan penggredan barah payudara pada tisu histopatologi merupakan kaedah diagnosis utama yang masih berdasarkan pendapat subjektif pakar histopatologi. Analisis ini penting sebab boleh membantu doktor dalam mengawal perkembangan barah. Namun, kebanyakan kerja kajian hanya memberi tumpuan kepada analisis barah dan bukan barah, Manakala analisis gred pada barah masih sangat mengambil masa disebabkan oleh campur tangan manusia. Oleh itu, kajian ini mencadangkan kaedah baru untuk menganalisis imej dan mengklasifikasikan gred imej histopatologi secara automatik dengan menggunakan dua pendekatan fitur tekstur pada seluruh kawasan imej. Pendekatan pertama iaitu menyiasat fitur tekstur pada keseluruhan tisu. Eksperimen dilakukan dengan membahagikan keseluruhan imej patologi digital kepada sub-sub imej, kemudian fitur gray level co-occurrence matrices (GLCM) pada tahap piksel digunakan bagi mengenali tekstur pada kawasan imej dan mengelompokkan sub imej tersebut berasaskan kesamaan teksturnya menggunakan kaedah k-means. CCM merupakan fitur pengembangan dari GLCM dalam tahap yang lebih tinggi. Fitur contrast, correlation, energy dan homogeneity merupakan fitur utama yang terdapat pada CCM. Matrik ini mengira frekuensi satu kelompok kewujudan-bersama dengan kelompok lain dalam arah-arah yang berbeza. Oleh itu hasil pengenalan tekstur yang baik diperoleh dengan menggunakan fitur-fitur ini sehingga fitur ini boleh menyelesaikan permasalahan pengenalpasti gred pada barah. Berasaskan hasil percubaan, model yang dicadangkan ini telah memberikan prestasi yang baik dengan hasil ketepatan lebih dari 80 peratus. Kemudian proses klasifikasi gred barah dilakukan menggunakan pengelas mesin sokongan vektor (SVM), k-jiran terdekat (KNN), dan hutan rawak (RF). Percubaan dijalankan menggunakan set data imej histopatologi barah payudara yang mengandung gred 1, gred 2 dan gred 3. dan imej slaid patologi barah prostat gred 3, gred 4, dan gred 5 mengikuti gred pemarkahan Gleason. Kedua-dua set data ini diperoleh dari Hospital Universiti Kebangsaan Malaysia. Prestasi ketepatan menggunakan imej histopatologi barah payudara mencapai hasil masing-masing sebanyak 84.97%, 84.5% dan 85.25%. Seterusnya pada pengujian barah prostat mencapai 84.63%, 83.51%, dan 83.73% pada masing-masing gred. Prestasi yang konsisten antara kedua-dua jenis tisu ini menunjukkan bahawa fitur CCM cukup generik untuk mewakili kelainan-kelainan morfologi tisu, dan model klasifikasi yang dihadiskan adalah kukuh dan betindakbalas dengan baik terhadap perbezaan nilai input yang diberi.,Sarjana Teknologi Maklumat
Pages:	102
Publisher:	UKM, Bangi
Appears in Collections:	Faculty of Information Science and Technology / Fakulti Teknologi dan Sains Maklumat

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.