Perhitungan Jumlah Sel Darah Merah pada Citra Menggunakan Hough Transform
DOI:
https://doi.org/10.61255/decoding.v1i1.50Keywords:
Hough Transform, RBC, Cany EdgeAbstract
Perhitungan jumlah sel darah merah (RBC) secara tradisional menggunakan mikroskop sering kali memakan waktu dan kurang akurat, terutama saat citra darah mengandung sel darah putih. Penelitian ini bertujuan untuk mengembangkan sistem yang lebih akurat dalam menghitung jumlah sel darah merah menggunakan Hough Transform, operasi morfologi, dan proses segmentasi. Metode yang digunakan meliputi konversi citra ke grayscale, peningkatan kontras, binerisasi citra, dan penerapan teknik morfologi serta Hough Transform untuk mendeteksi sel darah merah. Hasil eksperimen menunjukkan bahwa sistem yang diusulkan mencapai akurasi rata-rata 91% pada 30 citra uji, dengan beberapa citra menunjukkan akurasi hingga 100%, sementara citra lain memperoleh akurasi sekitar 83%. Penelitian ini menunjukkan bahwa penggunaan Hough Transform dalam perhitungan jumlah sel darah merah dapat meningkatkan akurasi deteksi dan efisiensi dalam diagnosis medis.
Abstract views: 1988
, 
PDF downloads: 2458
Downloads
References
Pretini, V., Koenen, M., Kaestner, L., Fens, M., Schiffelers, R., Bartels, M., & Van Wijk, R. (2019). Red Blood Cells: Chasing Interactions. Frontiers in Physiology, 10. https://doi.org/10.3389/fphys.2019.00945.
Orrico, F., Laurance, S., López, A., Lefevre, S., Thomson, L., Möller, M., & Ostuni, M. (2023). Oxidative Stress in Healthy and Pathological Red Blood Cells. Biomolecules, 13. https://doi.org/10.3390/biom13081262.
Nsiah, K., Bahaah, B., Afranie, B., & Acheampong, E. (2020). Evaluation of red blood cell count as an ancillary index to hemoglobin level in defining the severe falciparum malarial anemia among Ghanaian children in low-resource communities. Heliyon, 6. https://doi.org/10.1016/j.heliyon.2020.e04605.
Sokol, Y., Bernadskaya, T., Kolisnyk, K., & Panibrattseva, S. (2020). Improving the Accuracy of Measuring the Morphology of Red Blood Cells. 2020 IEEE 4th International Conference on Intelligent Energy and Power Systems (IEPS), 279-282. https://doi.org/10.1109/IEPS51250.2020.9263124.
Inchur, V., Praveen, L., & Shankpal, P. (2020). Implementation of Blood Cell Counting Algorithm using Digital Image Processing Techniques. 2020 International Conference on Recent Trends on Electronics, Information, Communication & Technology (RTEICT), 21-26. https://doi.org/10.1109/RTEICT49044.2020.9315603.
Peri, A., Harris, P., & Paterson, D. (2021). Culture independent detection systems for bloodstream infection.. Clinical microbiology and infection : the official publication of the European Society of Clinical Microbiology and Infectious Diseases. https://doi.org/10.1016/j.cmi.2021.09.039.
Chadha, G. K., Srivastava, A., Singh, A., Gupta, R., & Singla, D. (2020). An automated method for counting red blood cells using image processing. Procedia Computer Science, 167, 769-778. https://doi.org/10.1016/j.procs.2020.03.408
Agustantio, I. D. (2020). Penghitungan jumlah sel darah merah dengan Hough Circle Transform. E-Proceeding Eng., 7(2), 11.
Corrons, J., Casafont, L., & Frasnedo, E. (2021). Concise review: how do red blood cells born, live, and die?. Annals of Hematology, 100, 2425 - 2433. https://doi.org/10.1007/s00277-021-04575-z.
Sukatmi, Sukatmi. "Perbandingan Deteksi Tepi Citra Digital dengan Menggunakan Metode Prewitt, Sobel dan Canny." Kopertip, vol. 1, no. 1, 2017, pp. 1-4.
Faturrahman, I. (2018). Pengenalan pola huruf hijaiyah khat kufi dengan metode deteksi tepi Sobel berbasis jaringan syaraf tiruan backpropagation. Jurnal Teknik Informatika, 11(1), 10
Syafi’i, S. I. (2015). Segmentasi objek pada citra digital menggunakan metode Otsu thresholding. Jurnal Informatika, 13(1), 1-8. https://doi.org/10.9744/informatika.13.1.1-8
Naufal, B. (2022). Klasifikasi kematangan daun selada berdasarkan fitur warna menggunakan K-Nearest Neighbors. Techno Xplore, 7(1), 10.
