VOKASI NEWS – Mengetahui kinerja deep learning dengan metode YOLOv8m untuk mendeteksi leukemia secara cepat dan akurat melalui analisis citra mikroskopis.
Leukemia merupakan jenis kanker darah yang terjadi karena gangguan hematologi atau penyakit yang terjadi ketika produksi sel darah putih dalam tubuh berlebihan. Faktor penyebab leukemia dapat terjadi karena faktor genetik, paparan lingkungan, paparan radiasi yang berlebihan, dan kebiasaan merokok. Gejala yang terjadi seperti mual, muntah, demam berkepanjangan, nyeri pada tulang, dan sesak nafas.
Leukemia dapat dibedakan menjadi 2 jenis yaitu leukemia akut dan leukemia kronis. Jenis leukimia akut dibagi menjadi 2 yaitu Acute Myeloblastic Leukemia (AML) yang menargetkan sel myeloid dan Acute Lymphoblastic Leukemia (ALL) yang menargetkan sel limfoid. Leukemia kronis dapat digolongkan menjadi 2 jenis. Yaitu Chronic Myeloblastic Leukemia (CML) yang menargetkan sel myeloid dan Chronic Lymphoblastic Leukemia (CLL) yang menargetkan sel limfoid.
Deep Learning sebagai Solusi Deteksi Leukimia
Deteksi leukemia biasanya dilakukan dokter melalui pemeriksaan fisik dan apusan darah tepi. Namun, proses ini memerlukan waktu lama hingga hasil keluar. Salah satu metode yang digunakan untuk mengatasi permasalahan tersebut untuk deteksi leukemia yaitu menggunakan deep learning. Deep learning memiliki sebuah metode yang sangat efektif dalam mendeteksi leukemia karena kecepatan, akurasi yang baik, kemampuan lokalisasi objek dan kemampuan mendeteksi citra mikroskopis yang kompleks yaitu metode You Only Look Once (YOLO). YOLO dapat mendeteksi objek secara real time dan memiliki akurasi yang tinggi dalam bidang medis.
BACA JUGA: [Persepsi Arsiparis Terhadap Etika Profesi Pada Dinas Perpustakaan dan Kearsipan Kota Surabaya]
Proses ini dimulai dengan akuisisi data, preprocessing data, anotasi data, split data, augmentasi data, memilih hyperparameter tuning, training using YOLOv8m model, testing data, evaluasi hasil model, dan deployment. Data yang digunakan diperoleh dari RSUD Dr. Soetomo, RS Universitas Airlangga, RSUD Syarifah Ambami Ratu Ebu, dan dataset dari Roboflow. Data citra diambil dari berbagai usia seperti lansia, orang dewasa, dan anak-anak yang memiliki sel darah normal dan abnormal. Hasil data tersebut dibagi menjadi 7 kelas data. Data yang digunakan untuk training yaitu 55 sel basofil, 56 sel limfosit, 55 sel eosinofil, 55 sel monosit, 56 sel neutrofil segmen, 57 sel stab, dan 56 sel mieloblast (leukemia). Kemudian data tersebut diupload ke dalam software Roboflow.
Proses Pengembangan Aplikasi Smart Automatic White Blood Cell
Cara kerja dari aplikasi ini yaitu Personal Computer (PC) disambungkan dengan mikroskop digital untuk menjalankan deployment. Kemudian membuka GUI yang telah dimasukkan fungsi atau model yang telah di training dalam PC. GUI tersebut dapat mendeteksi leukemia secara offline. Dengan menginput dataset sel darah putih yang dapat dilakukan dengan menggunakan webcam yaitu preparat apusan sel darah tepi yang terhubung dengan mikroskop digital.
Selain itu juga dapat menginput image sel darah putih yang ada di dalam PC. Data yang diambil menggunakan webcam dapat bekerja secara real time menggunakan mikroskop digital yang terintegrasi dengan kamera PC. Sedangkan image yang diinput dari PC dapat diproses setelah dimasukkan kedalam sistem deteksi. Setelah proses selesai, aplikasi menampilkan hasil deteksi objek yang bisa disimpan. Jika deteksi gagal, pengguna dapat menginput ulang data.
Berdasarkan hasil tersebut dapat disimpulkan bahwa model YOLOv8m memiliki akurasi sebesar 87%, presisi 91%, recall 72% dan F1- Score 77%. Aplikasi “Smart Automatic White Blood Cell” merupakan aplikasi dalam bidang medis yang bertujuan untuk mendeteksi leukemia secara otomatis menggunakan YOLOv8m yang didesain menggunakan UI/UX di Figma.
***
Penulis: Masna Syafaatul Khofifah
Editor: Oky Sapto Mugi Saputro
