Rekabentuk Sistem Diagnosis Pintar untuk penyakit Tuberkulosis berdasarkan imej kahak Ziehl-Neelsen

Abstract

Tuberkulosis (TB) adalah salah satu penyakit yang boleh berjangkit dan penyakit ini di sebabkan oleh mikroorganisma yang dipanggil Mycobacterium Tuberkulosis. Mikroorganisma ini kebiasannya memasuki badan melalui pernafasan untuk memasuki paru-paru. Mikroorganisma ini berpecah daripada tempat asalan iaitu paru-paru ke bahagian-bahagian lain dalam badan melalui saluran darah. Apabila seseorang yang dijangkiti TB ini batuk, bersin, bercakap atau meludah, mereka telah melepaskan bakteria tuberkulosis di dalam titisan air ke udara. Seseorang hanya perlukan menyedut sedikit bakteria ini untuk dijangkiti TB. Tuberkulosis merupakan penyakit yang cepat merebak tetapi ia boleh dirawat, dan kaedah penting untuk mengawalnya adalah melalui pengesanan awal terhadap pesakit yang telah dijangkiti, melakukan rawatan dengan segera dan memantau pesakit dengan rawatan yang sepatutnya. Berdasarkan WHO 1998, mereka berpendapat untuk mengesan penyakit TB adalah dengan melihat dan melakukan saringan slaid kahak Ziehl-Neelsen (ZN) di bawah cahaya mikroskop. Tetapi kaedah ini mempunyai kelemahan dari segi masa saringan di mana 15 hingga 20 minit digunakan memproses satu slaid palitan kahak. Selain itu, terdapat kaedah konvensional untuk mengesan bakteria TB pada imej palitan kahak ZN iaitu dengan pengaplikasian empat teknik pemprosesan imej. Penggunaan empat teknik ini mampu memproses imej palitan kahak untuk mengesan basilus TB, tetapi dari segi masa pemprosesan, secara puratanya 20 minit juga digunakan untuk memproses satu slaid. Oleh itu, objektif kajian ini adalah untuk membangunkan satu Sistem Diagnosis Pintar untuk Penyakit Tuberkulosis. Sistem ini melibatkan penggunaan teknik rangkaian neural untuk mengurangkan lagi masa pemprosesan imej palitan kahak ZN berbanding mengunakan kaedah manual dan empat teknik pemprosesan imej. Teknik-teknik yang digunakan di dalam kajian ini untuk mengesan basilus TB adalah teknik pemetaan satu kepada satu piksel dan teknik pemetaan sembilan kepada satu piksel. Setiap teknik dibahagikan kepada empat kaedah rangkaian neural untuk mengesan basilus TB. Setiap teknik dan kaedah telah diuji dengan menggunakan 40 imej palitan kahak ZN. Di samping itu juga, sistem ini telah dibangunkan dengan sistem pengiraan basilus TB secara automatik. Sistem diagnosis TB ini akan menentukan bilangan basilus TB yang terdapat pada setiap imej kahak ZN. Sistem pengiraan basilus TB automatik ini bertujuan untuk membantu doktor-doktor atau pakar mikrobiologi untuk menentukan bilangan basilus TB pada setiap imej kahak ZN dan mengurangkan penggunaan masa. Dari segi ketepatan pengiraan basilus TB, sistem ini mampu memberi bilangan yang hampir sama dengan kaedah manual yang dijalankan oleh pakar mikrobiologi. Sistem yang dibangunkan ini dapat mencapai keputusan pengesanan yang baik di mana nilai peratusan ketepatan diagnosis, kesensitifan dan kespesifisikan adalah masing-masing 100%. Masa pemprosesan bagi satu imej dapat dikurangkan sehingga 62.5% berbanding menggunakan kaedah manual dan penggunaan teknik pemprosesan imej. Sistem pengiraan automatik ini juga dapat mengurangkan tekanan pada mata doktor atau pakar mikrobiologi semasa melakukan proses saringan slaid kahak ZN di bawah cahaya mikroskop.