Pengembangan Automated Image Analysis untuk Menentukan Jumlah Bakteri Tahan Asam (BTA) pada Kasus Tubercolosis
Diagnosis TB (tuberculosis) oleh tenaga kesehatan menjadi kunci penting dalam menemukan pasien baru TB. Diagnosis umum yang digunakan di Fasilitas Kesehatan (Faskes) TK 1 seperti puskesmas dilakukan dengan cara mewarnai spesimen dahak penderita dengan metode Ziehl-Neelsen untuk mendeteksi keberadaan...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2022-08-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/5805 |
| Summary: | Diagnosis TB (tuberculosis) oleh tenaga kesehatan menjadi kunci penting dalam menemukan pasien baru TB. Diagnosis umum yang digunakan di Fasilitas Kesehatan (Faskes) TK 1 seperti puskesmas dilakukan dengan cara mewarnai spesimen dahak penderita dengan metode Ziehl-Neelsen untuk mendeteksi keberadaan Bakteri Tahan Asam seperti Mycobaterium tuberculosis penyebab TB. Namun pada praktiknya, penghitungan manual dengan bidang pandang terbatas pada mikroskop membutuhkan waktu pengerjaan yang cukup panjang. Dimasa pandemi covid19, efisiensi pengerjaan diagnosis harian termasuk pemeriksaan BTA harus ditingkatkan karena keterbatasan tenaga ATLM dilapangan yang turut bekerja menghadapi Covid19. Maka, pada penelitian ini akan dikembangkan sebuah automated image analysis, atau analisis citra secara otomatis yang dapat menghitung jumlah bakteri yang tampak pada mikroskop. Proses pembuatan apusan BTA didapat 3 preparat yang menghasilkan data citra sebanyak total 171 citra. Noise pada citra dapat diatasi menggunakan metode CLAHE untuk memperbaiki kontras. Metode untuk pengolahan citra digital yang digunakan yaitu segmentasi HCA (Hiearcical Cluster Analysis) untuk memisahkah objek BTA dengan latar belakang. Hasil segmentasi dilakukan proses operasi morfologi untuk menghilangkan objek kecil selain objek BTA yang bekerja baik pada citra biner untuk mempermudah perhitungan jumlah bakteri. Metode HCA yang dikombinasikan dengan strategi seleksi objek dapat melakukan segmentasi objek BTA dengan baik. Hasil evaluasi menunjukkan RMSE (Root Mean Square Error) sebesar 2.484 yang didapat pada saat threshold 0.11.
Abstract
Diagnosis of TB (tuberculosis) by health workers is an important key in finding new TB patients. The general diagnosis used in TK 1 Health Facilities (Faskes) is carried out by revealing a patient's sputum specimen using the Ziehl-Neelsen method to detect the presence of acid-fast bacteria such as Mycobacterium tuberculosis, which causes TB. However, in practice, manual calculations with a limited field of view on a microscope require a fairly long processing time. During the covid19 pandemic, the efficiency of daily diagnostic work including BTA examinations must be increased due to the limited ATLM personnel in the field who are also working to deal with Covid19. So in this research, an automated image analysis application will be proposed that can count the number of bacteria that appear on a microscope. The process of making smears of AFB obtained 3 preparations which produced a total of 171 images of image data. Noise in the image can be overcome using the gaussian blur filter and the CLAHE method to improve contrast. The method for digital image processing is the HCA (Hiearcical Cluster Analysis) segmentation method to separate BTA objects from the background. Pre-processed segmentation results using morphological operations that work well on binary images to simplify the calculation of the number of bacteria. The HCA method combined with the object selection strategy can segment BTA objects well. The evaluation results show an RMSE (Root Mean Squere Error) of 2,484 obtained at the 0.11 . threshold
|
|---|---|
| ISSN: | 2355-7699 2528-6579 |