Perpustakaan Digital ITB

Pemeriksaan apusan darah dilakukan sebagai bagian dari pemeriksaan awal pada pasien dengan penyakit hemotologi. Namun, perbedaan pendapat antar dokter sulit dihindari ketika melakukan pemeriksaan apusan manual, disebabkan oleh perbedaan pengalaman serta subjektivitas. Berbagai penelitian telah dilakukan untuk otomatisasi pengamatan sel darah putih menggunakan deep learning. Namun, perbedaan pewarnaan pada sel darah putih dapat menyebabkan menurunnya kinerja model klasifikasi otomatis. Untuk mengatasi hal tersebut, dilakukan eksplorasi metode normalisasi pewarnaan pada citra sel darah putih dengan pewarnaan berbasis Romanowsky. Metode yang digunakan pada penelitian ini berbasis image-to-image translation menggunakan model Pix2Pix, dengan input berupa citra grayscale dan target berupa citra berwarna (ground truth). Model ini diharapkan mampu menghasilkan pewarnaan yang seragam dengan mempertahankan fitur morfologis sel. Selain itu, model akan dievaluasi pada dataset dengan karakteristik yang berbeda untuk menguji kemampuan generalisasi model normalisasi. Hasil penelitian menunjukkan bahwa model mampu mempertahankan fitur sel darah putih dengan baik serta evaluasi kuantitatif menggunakan metrik FID (6,918), SSIM (0,9275), MSE (28,9139), dan PSNR (33,7248). Selain itu, model dapat mewarnai citra dari dataset berbeda, meskipun performanya menurun pada dataset dengan karakteristik pewarnaan yang sangat berbeda dari referensi.