![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Pewarnaan Hematoksilin dan Eosin (H&E) telah menjadi metode standar dalam
pemeriksaan histologis tumor di bidang patologi. Meskipun demikian, analisis
manual citra H&E masih bergantung pada penilaian kualitatif berdasarkan
pengalaman. Segmentasi inti sel pada jaringan tumor dapat menghasilkan
informasi penting seperti morfometri nukleus, yang dapat membantu dalam
klasifikasi kanker menjadi lebih kuantitatif. Namun, segmentasi manual
membutuhkan waktu dan usaha yang signifikan, terutama pada citra dengan
ukuran besar dan banyak inti sel. Oleh karena itu, diperlukan metode segmentasi
otomatis yang akurat dan efisien. Beragam penampilan inti sel yang disebabkan
oleh jenis penyakit, merek pemindai digital, konsentrasi reagen pewarna, dan jenis
organ, menambah kompleksitas dalam segmentasi. Algoritma segmentasi seperti
teknik Otsu dan watershed sering gagal mengatasi keragaman ini, sehingga
diperlukan pendekatan yang lebih baik seperti CNN. Penelitian ini mengkaji
penggunaan arsitektur CNN U-Net untuk segmentasi inti sel. Selain itu, pengaruh
penambahan metode preprocessing dan postprocessing terhadap kinerja
segmentasi juga dianalisis. Penelitian ini menggunakan dataset MONUSEG yang
mencakup 9 jenis organ yang berbeda. Setelah optimasi parameter, U-Net
menghasilkan f1-score sebesar 0.7811 ± 0.0359 dan AJI sebesar 0.6421 ± 0.0487.
Penambahan preprocessing CLAHE meningkatkan f1-score secara signifikan
menjadi 0.8010 ± 0.0304 dan meningkatkan AJI secara signifikan menjadi 0.6690
± 0.0420, sementara penambahan postprocessing operasi morfologi memberikan
perbedaan f1-score tidak signifikan namun memberikan peningkatan AJI yang
signifikan menjadi 0.6702 ± 0.0421. Perbandingan kinerja segmentasi
menunjukkan bahwa segmentasi inti sel pada jaringan tumor organ paru-paru dan
otak, meskipun tidak ada dalam data latih, memiliki f1-score yang di atas rata-
rata, sementara segmentasi inti sel pada jaringan tumor colon dan breast memiliki
f1-score terendah.