Anda di halaman 1dari 10

Lihat diskusi, statistik, dan profil penulis untuk publikasi ini di: https://www.researchgate.

net/publication/298786450

Analisis Gambar DNA Gel Elektroforesis dengan Canny Deteksi Tepi Algoritma Berdasarkan
Backpropagation Neural Network

Artikel · Maret 2016

CITATIONS Dibaca

2 804

3 penulis:

Abdullah Elen

Karabuk Universitas Karabuk Universitas

29 PUBLIKASI     29 CITATIONS     14 PUBLIKASI     9 CITATIONS    

MELIHAT PROFIL MELIHAT PROFIL

Eftal Ş ehirli

Karabuk Universitas

16 PUBLIKASI     17 CITATIONS    

MELIHAT PROFIL

Beberapa penulis publikasi ini juga bekerja pada proyek-proyek terkait:

Realtime pca berdasarkan pengenalan wajah untuk staf berikut Lihat proyek

Identifikasi tepi kolom fragmen DNA dengan menggunakan K-means dan berarti algoritma pada jalur histogram gambar elektroforesis DNA agarose gel Lihat proyek Muhammad Kamil Turan

Semua konten berikut halaman ini diunggah oleh Abdullah Elen pada 1 April 2016.

Pengguna telah meminta peningkatan file yang didownload.


International Journal of Ilmiah dan Teknologi Penelitian www.iiste.org
ISSN 2422-8702 (Online) Vol 2,
No.2, 2016

Analisis Gambar DNA Gel Elektroforesis dengan Berdasarkan


Backpropagation Neural Network Canny Ujung
Algoritma deteksi

Muhammad Kamil Turan (Sesuai penulis) Karabuk Universitas, Fakultas


Kedokteran, Departemen Biologi Kedokteran
78.050, Karabuk, Turki
E-mail: kamilturan@karabuk.edu.tr

Abdullah Elen
Karabuk University, SMK, Jurusan Teknologi Komputer
78.050, Karabuk, Turki
E-mail: aelen@karabuk.edu.tr

Eftal Sehirli
Karabuk Universitas, Fakultas Teknik, Jurusan Teknik Biomedis
78.050, Karabuk, Turki
E-mail: eftalsehirli@karabuk.edu.tr

Abstrak

Gel Elektroforesis (GE) adalah salah satu metode yang paling banyak digunakan yang memisahkan molekul asam dan protein nukleat
menurut muatan listrik, jumlah mereka, bobot molekul dan fitur fisik lainnya. GE digunakan dalam berbagai bidang seperti genetik,
biologi molekuler dan biokimia. Dalam makalah ini, algoritma deteksi tepi Canny berdasarkan pada jaringan syaraf tiruan digunakan
untuk memisahkan dan mendeteksi pita DNA otomatis. Dengan demikian, analisis GE periode elektroforesis gel diwujudkan dan
banyak properti batas DNA seperti intensitas yang diambil dari gambar digital otomatis.

Kata kunci: DNA Gel Elektroforesis, Algoritma Canny, Thresholding, Artificial Neural Network.

1. Perkenalan
DNA adalah asam nukleat yang membawa aturan genetik yang diperlukan untuk perkembangan biologis semua organisme
dan beberapa virus. informasi genetik diwariskan dari generasi ke generasi oleh DNA. Ini berisi empat nukleotida disebut
sebagai Adenin, Guanin, Timin dan Sitosin. Tulang punggung DNA terdiri dari gula dan fosfat kelompok. Ada ikatan ester
antara gula dan gugus fosfat, ikatan hidrogen antara asam nukleat.

1.1 Agarose Gel Elektroforesis


Agarose GE adalah salah satu metode yang paling mendasar. Metode ini mudah, cepat-kerja dan keuntungan lebih dari
metode lain yang tidak dapat memisahkan pita DNA yang cukup. Sulit bagi molekul untuk bergerak pada pori gel selama
elektroforesis. tingkat gerakan di bawah medan listrik tergantung pada kekuatan medan listrik, ukuran dan bentuk molekul,
hidrofobisitas relatif sampel, isi ionik dan suhu buffer di mana molekul bergerak di [1]. molekul DNA ukuran besar yang diblokir
dari melewati pori-pori kecil di gel. Dengan demikian, besar fragmen ukuran DNA bergerak kurang lambat dari molekul ukuran
DNA kecil.

1.2 Gerakan DNA Molekul di Gel


Ketika tegangan diterapkan pada elektroda, beda potensial (E) terbentuk ( • = • / •). Pada saat yang sama, daya pada molekul •
= •• terbentuk juga. Sementara kekuatan diukur dalam hal Newton menyediakan molekul bermuatan dengan bergerak melalui
elektroda, resistensi yang disebabkan oleh gesekan memperlambat gerakan molekul bermuatan bawah. Selain itu, fungsi dari
resistensi yang besarnya hidrodinamik molekul, bentuk molekul, pori besarnya dalam gel dan buffer intensitas [1].

55 | usia P
www.iiste.org
International Journal of Ilmiah dan Teknologi Penelitian www.iiste.org
ISSN 2422-8702 (Online) Vol 2,
No.2, 2016

Gambar 1. Gerakan DNA Molekul di Gel [2]

Kecepatan molekul dimuat dalam medan listrik ( •) adalah fungsi dari beda potensial, beban dan daya gesekan. Pada saat yang
sama, itu dinyatakan sebagai • = •• / •. Sini • adalah koefisien gesekan.

Gambar 2. Pemisahan molekul DNA [3].

1.3 Ethidium Bromide dan UV Light


Etidium bromida adalah bahan kimia yang dapat digunakan di laboratorium biologi molekuler untuk menandai asam nukleat.
Molekul-molekul ini muncul sebagai molekul warna oranye. Tingkat cahaya meningkatkan 20 kali lebih sesuai dengan molekul
DNA. Sebagai hasil dari yang ethidium bromide efektif di bawah sinar UV, ethidium bromide menyediakan molekul DNA dengan
muncul di gel. Ketika molekul DNA yang memiliki bromide ethidium sedang menunggu, massa molekul DNA, indurasi molekul DNA
dan gerakan molekul DNA berubah dalam gel.

2. Pekerjaan Terkait
Timbangan et al. telah menyiapkan thermo-gram paket analisis sepenuhnya otomatis untuk diagnosis kanker payudara. Dalam penelitian ini,
algoritma ekstraksi tepi cerdik telah digunakan untuk mengidentifikasi batas bawah dari tubuh dan payudara. Mereka telah memperoleh
keberhasilan 75% untuk penelitian ini [4]. Liu et al. telah dipelajari untuk mendeteksi sel-sel kanker yang mencurigakan gambar mikroskopis.
algoritma Canny telah digunakan untuk mengidentifikasi tepi sel kanker dan inti. Morfologi dan ukuran warna (RGB dan HIS) teknik telah
digunakan untuk mengklasifikasikan sel patologis dan normal. Mereka telah memperoleh 94% keberhasilan untuk pengakuan patologis dan normal

56 | usia P
www.iiste.org
International Journal of Ilmiah dan Teknologi Penelitian www.iiste.org
ISSN 2422-8702 (Online) Vol 2,
No.2, 2016

Sel-sel [5]. Qin dan Zhang telah mempelajari otak dan tengkorak gambar untuk mengekstrak tepi mereka. Ketika algoritma Canny telah
dibandingkan dengan algoritma deteksi tepi lain seperti Sobel, Roberts, Prewitt dan Laplacian, mereka telah menentukan bahwa Canny
memberikan hasil yang lebih baik pada otak dan tengkorak gambar [6]. Chang et al. telah mengembangkan detektor tepi Canny
dimodifikasi untuk mengidentifikasi pembuluh darah retina dalam studi mereka. detektor tepi Canny diubah telah berdasarkan hysteresis
dinamis dan ambang batas. Mereka telah menyimpulkan bahwa algoritma Canny sangat sukses untuk mengidentifikasi pembuluh darah
retina [7]. Cheng et al. telah mengembangkan algoritma segmentasi citra baru dengan menggabungkan Model ular GVF dengan operator
Canny. Pertama-tama, peta tepi telah diperoleh oleh operator Canny. Setelah itu, tepi tipis objek gambar telah diperoleh dengan
menggunakan teknik dilusi. Akhirnya, tepi yang tepat dari objek telah ditentukan dengan menggunakan GVF Model ular [8]. Bingrong dan
Mei telah mengembangkan setengah algoritma otomatis untuk segmen seri gambar medis berdasarkan pada operator Canny dan metode
morfologi. Semua tepi gambar telah ditentukan oleh operator Canny. Tepi objek tertutup telah ditentukan dengan metode morfologi.
Menurut hasil, mereka telah membuktikan bahwa algoritma mereka dikembangkan adalah yang cepat dan percaya diri algoritma untuk seri
segmen citra medis [9]. Tang telah merancang jaringan saraf yang dapat mewujudkan deteksi tepi dan dibandingkan jaringan dengan
metode deteksi tepi tradisional seperti Prewitt, Sobel dan Canny. Menurut hasil, sementara jaringan saraf dan Canny memiliki hasil yang
dekat, metode tradisional lainnya telah cukup [10]. Mei et al. telah menggunakan algoritma deteksi tepi Canny untuk mendeteksi tumor otak
dalam studi mereka [11]. Chang et al. memiliki digunakan Operator Canny untuk mendeteksi pembuluh darah retina. algoritma ini adalah
sukses pada tingkat 94% [12]. Li et al. telah menggunakan detektor Canny untuk mengekstrak tepi gambar gigi medis. Telah menghasilkan
bahwa operator Canny lebih berhasil daripada metode deteksi Harris tepi. Selain itu, telah meramalkan bahwa Canny mungkin efektif untuk
mendeteksi sudut untuk rekonstruksi 3D [13]. Zhang dan Gao telah memperoleh hasil yang sukses tentang ekstraksi tepi gambar medis
dengan menggabungkan Nonsubsampled Contourlet Transform dengan algoritma Canny dalam studi mereka [14]. Ketika survei literatur
yang dilakukan tentang algoritma deteksi tepi Canny, jelas bahwa algoritma deteksi tepi Canny lebih berhasil daripada algoritma deteksi
tepi pengolahan gambar lainnya untuk proses segmentasi. Kontribusi utama dari penelitian ini adalah untuk menentukan nilai ambang
rendah dan tinggi untuk Canny algoritma otomatis. Dengan menggunakan jaringan syaraf tiruan, nilai ambang batas rendah dan tinggi
secara otomatis diperoleh gambar gel elektroforesis agarosa. Dengan demikian, algoritma Canny otomatis dengan cara jaringan saraf
tiruan dalam penelitian ini.

3. Bahan dan Metode


3.1. bahan
solusi gel 1% (500-10.000 bp) untuk elektroforesis gel agarosa disiapkan. Untuk menangkap gambar elektroforesis gel,
kamera ilmiah telah digunakan untuk penelitian ini. Sifat kamera ilmiah ditunjukkan pada Tabel 1 di bawah ini.

Tabel 1. Sifat kamera ilmiah


parameter nilai-nilai
Sensor gambar ½ inci, warna-warni 1.4MP CCD
Frame Rate 12.5fps@1360x1024 , 15fps @ 680x520
Waktu paparan 0.1ms ~ 60mins
warna Filter R, G, B
Modus memindai progressive scan
dynamic Range 60dB
SNR 52dB

3.2. metode

3.2.1. preprocessing Tahap

Algoritma yang diusulkan dirancang sebagai sistem sepenuhnya otomatis untuk menentukan tepi sel DNA gambar gel. Gambar 3
menunjukkan diagram alir dari tahap preprocessing.

57 | usia P
www.iiste.org
International Journal of Ilmiah dan Teknologi Penelitian www.iiste.org
ISSN 2422-8702 (Online) Vol 2,
No.2, 2016

Gambar 3. Diagram alir untuk tahap pra-pengolahan

Foto yang diambil oleh kamera ilmiah dikonversi dari RGB ke grayscale. Suara yang ada pada gambar dihapus dengan
menggunakan Median Filter. Kemudian, ambang batas untuk metode deteksi tepi selain operator Canny metode Otsu ditentukan.
Alasan untuk ini dibawa ke dalam sistem sepenuhnya otomatis untuk tujuan merancang. algoritma Canny untuk tinggi ambang
batas dan nilai rendah ambang batas akan diperkirakan dengan peningkatan jaringan syaraf tiruan.

3.1 Operator Canny


pekerjaan sebelumnya Marr dan Hildreth ini berasal dari sebuah algoritma deteksi tepi membaik. Deteksi terbaik, yang bisa
memberikan jawaban yang jelas dan teknik deteksi tepi optimal dengan fitur lokalisasi yang baik. Melakukan perbaikan dalam berbagai
bentuk, itu secara luas digunakan dalam teknik pengolahan gambar yang ada [15].

algoritma deteksi tepi Canny harus diikuti oleh serangkaian langkah-langkah pengolahan untuk implementasi. langkah-langkah pengolahan yang diperlukan
bagi operator Canny adalah sebagai berikut [16].

1. Pertama halus gambar dengan filter Gaussian.

• (•, •) = 1
2πσ 2 ••• (- 1 2σ 2 ( • 2 + • 2))

Dimana • adalah jarak dari asal dalam sumbu horisontal, • adalah jarak dari asal di

sumbu vertikal, dan σ adalah penyebaran Gaussian dan mengontrol tingkat smoothing.

2. Menghitung besarnya gradien dan orientasi menggunakan pendekatan terbatas-perbedaan untuk

derivatif parsial.

• • = •• • = ∇ (• × •)
•• = • × ∇• | ∇ (• × •) |

• • adalah turunan pertama dari G dan n adalah arah, g adalah gambar.

3. Terapkan penindasan non-maxima dengan besarnya gradien.

58 | usia P
www.iiste.org
International Journal of Ilmiah dan Teknologi Penelitian www.iiste.org
ISSN 2422-8702 (Online) Vol 2,
No.2, 2016

•2
•• 2 • × • = 0
4. Gunakan ganda threshold (Low dan High) algoritma untuk mendeteksi dan tepi Link.

Diagram blok milik algoritma deteksi tepi Canny ditunjukkan pada Gambar 4. Ketika 6 algoritma deteksi tepi yang berbeda yang
diterapkan pada gambar sampel, diperoleh hasil ditunjukkan pada Gambar 5. Setelah nilai ambang gambar asli dihitung dengan
metode thresholding Otsu, nilai digunakan untuk semua algoritma kecuali Canny.

hx

Pengolahan Besarnya
halus Tahap

hy
Masukan Gambar

Suppression
Tepi Peta histeresis
non-Maksimum

Ambang rendah Ambang tinggi

Gambar 4. Blok diagram dari algoritma deteksi tepi Canny

Gambar 5. Meraih hasil setelah menerapkan algoritma deteksi tepi pada citra sampel

3.2. Connected Component Pelabelan


Pada gambar biner, sementara piksel yang nilainya adalah 0 diterima sebagai latar belakang, piksel yang nilainya adalah 1 diterima
sebagai objek. Untuk menentukan bentuk dan ukuran benda, terhubung komponen label (CCL) digunakan. Piksel dianalisis dengan
melihat tetangga 8-konektivitas dan piksel terhubung diberi nomor label yang sama [17].

Langkah-langkah yang diambil selama CCL dalam penelitian ini terdaftar sebagai berikut.

• Piksel dicari dua kali dari kiri ke kanan dan dari atas ke bawah.
• Dalam pencarian pertama, piksel yang bukan milik latar belakang diberi nomor label dimulai dengan 1.
• Tetangga dari pixel yang memiliki nomor label diperiksa. Jika semua piksel tetangga milik latar belakang, nomor label
bertambah 1 untuk objek lain dalam gambar. Jika tetangga pixel tidak memiliki nomor label semut, jumlah label yang sama
diberikan.
• Dalam pencarian kedua, tampak bahwa komponen yang bentuknya seperti U atau E memiliki nomor label yang berbeda. Dalam hal ini,
jumlah label terkecil diberikan kepada piksel lainnya. Oleh karena itu, piksel terhubung diberi nomor label yang sama.

59 | usia P
www.iiste.org
International Journal of Ilmiah dan Teknologi Penelitian www.iiste.org
ISSN 2422-8702 (Online) Vol 2,
No.2, 2016

Gambar 6. 4 dan 8-konektivitas. Pengaruh menerapkan dua jenis konektivitas [17].

Dalam penelitian ini, ANN dikembangkan. 256 neuron yang digunakan untuk lapisan masukan. nilai-nilai RGB antara 0 dan 255 diperoleh dengan histogram
digunakan untuk input. 2 neuron yang digunakan untuk lapisan keluaran sejak ANN memberikan nilai ambang batas rendah dan tinggi untuk algoritma
Canny. Selama proses pengujian JST, nilai ambang batas rendah dan tinggi diberikan secara manual. Sifat ANN ditunjukkan pada Tabel 2 di bawah ini.

Tabel 2. Sifat ANN


parameter nilai-nilai

input 256
tersembunyi lapisan 8 neuron
Output layer 2 neuron
Tingkat belajar 0,1
momentum 0,5
Alfa 0,2
Batas kesalahan 0,0001
aktivasi Fungsi Hiperbolik Metode Pembelajaran
Tangent kembali propagasi
* Ambang batas tinggi dan rendah operator Canny ditentukan oleh Neural Network.

Gambar 7. Contoh gambar gel elektroforesis digunakan dalam penelitian ini

60 | usia P
www.iiste.org
International Journal of Ilmiah dan Teknologi Penelitian www.iiste.org
ISSN 2422-8702 (Online) Vol 2,
No.2, 2016

saya 0
ambang rendah
saya 1
y0
Canny Algoritma
gambar histogram saya 2
• (•) Deteksi Tepi
y1

ambang batas tinggi

saya 255 Connected


Component Pelabelan

Gambar 8. Struktur JST maju

Tabel 3. N Banyaknya mol DNA yang terdeteksi Cules


Operator Gambar-1 gambar -2 gambar -3 gambar -4 gambar -5

Canny + NN * 136/180 18/25 15/15 38/42 56/70

Robert 33/180 13/25 14/15 16/42 29/70

Sobel 44/180 18/25 14/15 18/42 41/70

Prewitt 46/180 13/25 14/15 18/42 37/70

Kehomogenan 59/180 13/25 12/15 23/42 21/70

Perbedaan 89/180 14/25 11/15 27/42 27/70

4. Kesimpulan
Dalam studi ini, kami telah mengusulkan sebuah algoritma untuk mendeteksi molekul DNA gambar gel elektroforesis. Metode yang
diusulkan adalah backpropagation ANN berdasarkan algoritma deteksi tepi Canny. Selanjutnya, algoritma yang diusulkan dibandingkan
dengan 5 algoritma deteksi tepi yang berbeda lainnya. algoritma deteksi tepi Canny melakukan lebih baik dan memberikan lebih akurat
dibandingkan algoritma deteksi tepi lain gambar gel elektroforesis. Metode yang diusulkan tidak bisa mencapai 100% sukses karena
nilai-nilai intensitas beberapa molekul DNA yang hampir sama dengan nilai ambang gambar.

61 | usia P
www.iiste.org
International Journal of Ilmiah dan Teknologi Penelitian www.iiste.org
ISSN 2422-8702 (Online) Vol 2,
No.2, 2016

Gambar 9. molekul DNA Terdeteksi di 5 sampel gambar gel elektroforesis.

Referensi
[1] Somma, M. dan Querci, M., Agarose gel elektroforesis (Sesi 5). “Analisis sampel makanan
untuk kehadiran organisme rekayasa genetika”, Komisi Eropa DG-JRC 2006.

[2] http://www.biocyclopedia.com/index/biotechnology_methods/molecular_biology/blotting_techniq
ues_southern_northern_western_blotting.php, Februari 2015.

[3] Patelia, EM dan spiking, E., “Sex Penentuan menggunakan Teknik Lanjutan OMIC:
Polymerase Chain Reaction dan SDS Halaman Gel Elektroforesis”, Pharma Tutor, vol. 2 (4), pp. 99-
105 2014.

[4] Timbangan, N., Herry, C dan Frise, M., “Automated Gambar Segmentasi untuk Analisis Payudara Menggunakan
Gambar inframerah”, Prosiding Konferensi Internasional Tahunan ke-26 dari IEEE badan pelaksana pemilu, pp. 1737-1740 2004.

[5] Liu, B., Yin, C., Liu, Z., Zhang, Z., Gao, J., Zhu, M., Gu, J. dan Xu, K., “Analisis Gambar mikroskopis
dan Pengakuan Pada Sel patologis”, Teknik Elektro dan Komputer (CCECE 2007), hlm. 1022-1025, 2007.

[6] Tingkat Algoritma Set Segmentasi Qin, X. dan Zhang, F., “berdasarkan Canny operator untuk Medis
Images”, The 1st International Conference on Bioinformatics dan Teknik Biomedis (ICBBE
2007), hlm. 892-895, 2007.

[7] Chang, SH, Gong, L., Li, M., Hu, X. dan Yan, J., “Kecil Ekstraksi retina Kapal Menggunakan Modified
Canny Deteksi Tepi”, Konferensi Internasional tentang Audio, Bahasa dan Image Processing (ICALIP 2008), hlm.
1255-1259, 2008.

[8] Cheng J., Xue, R., Lu, W. dan Jia, R., “Segmentasi Gambar Medis dengan Canny Operator dan
GVF Ular Model”, 7 World Congress pada Cerdas Control dan Otomasi (WCICA 2008), pp.1777- 1780, 2008.

[9] Bingrong, W. dan Mei, X., “Sebuah Interaktif Segmentasi Medis Gambar Series”, Internasional
Seminar Masa Depan Biomedis Teknik Informatika (FBIE'08), pp. 7-10, 2008.

[10] Tang, M., “Deteksi Tepi dan Segmentasi Citra Berdasarkan Seluler Neural Network”, 3
Konferensi Internasional tentang Bioinformatika dan Biomedis (ICBBE 2009), hlm. 1-4,
2009.

62 | usia P
www.iiste.org
International Journal of Ilmiah dan Teknologi Penelitian www.iiste.org
ISSN 2422-8702 (Online) Vol 2,
No.2, 2016

[11] Mei, X., Zheng, Z., Bingrong, W. dan Guo, L., “The Edge Deteksi Tumor Otak”, Internasional
Konferensi Communi-kation, Sirkuit dan Sistem (ICCCAS 2009), hlm. 477-479, 2009.

[12] Chang, C., Lin, C., Pai, P. dan Chen, Y., “Sebuah Novel retina Darah Kapal Metode Segmentasi
Berdasarkan Jalur Operator dan The Edge Detector”, Konferensi Internasional Kelima Informasi Cerdas Menyembunyikan
dan Multimedia Signal Processing (Iih-MSP'09), pp. 299-302, 2009.

[13] Li, H., Guo, L., Chen, T., Yang, L. dan Wang, X., “Penelitian sudut detektor gambar gigi berdasarkan algoritma sudut
ruang skala kelengkungan”, Konferensi Internasional tentang Komputer, Mekatronika , Control dan Rekayasa
Elektronik (CMCE), pp. 353-356 2010.

[14] Zang, T. dan Gao, L., “Sebuah novel Gambar Medis Fitur Ekstraksi Algoritma”, Internasional ke-3
Konferensi Jaringan Cerdas dan Sistem Cerdas (ICINIS), pp. 56-59, 2010.

[15] Rashmi, S., Kumar, M. dan Saxena, R., “Algoritma dan Teknik di Berbagai Deteksi Tepi: A
Survey”, Signal & Image Processing: An International Journal (SIPIJ), Vol. 4 (3), pp. 65-75, 2013.

[16] Othman, Z., Haron, H. dan Abdul Kadir, MR, “Perbandingan Canny dan Sobel Deteksi Tepi di
Gambar MRI”Ilmu Komputer, Biomekanik & Tissue Engineering Group dan Sistem Informasi, pp. 133-136, 2009.

[17] http://what-when-how.com/introduction-to-video-and-image-processing/blob-analysis-
pengantar-to-video-dan-gambar-pengolahan-bagian-1, Februari 2015.

63 | usia P
www.iiste.org

statistik publikasi
Lihat publikasi Lihat