Analisis Gambar Elektroforesis Gel DNA dengan

Backpropagation Neural Network Berbasis Canny Edge

Algoritma Deteksi

Abstrak
Gel Electrophoresis (GE) adalah salah satu metode yang paling banyak
digunakan untuk memisahkan asam nukleat dan protein
molekul sesuai dengan muatan listrik, jumlah mereka, berat molekul dan
fitur fisik lainnya.
GE digunakan di banyak bidang seperti genetik, biologi molekuler, dan
biokimia. Dalam tulisan ini, Canny edge
algoritma deteksi berdasarkan jaringan saraf tiruan digunakan untuk
memisahkan dan mendeteksi pita DNA
secara otomatis. Dengan demikian, analisis GE periode elektroforesis gel
direalisasikan dan banyak sifat DNA
batas seperti intensitas diekstraksi dari gambar digital secara otomatis.
Kata kunci: Elektroforesis Gel DNA, Algoritma Canny, Thresholding, Jaringan
Syaraf Tiruan.

1. Perkenalan
DNA adalah asam nukleat yang membawa aturan genetik yang diperlukan untuk
perkembangan biologis semua
organisme dan beberapa virus. Informasi genetik diwarisi dari generasi ke
generasi oleh DNA. Saya t
mengandung empat nukleotida yang dinamai Adenine, Guanine, Thymine dan
Cytosine. Tulang punggung DNA
terdiri dari kelompok gula dan fosfat. Ada ikatan ester antara gula dan
gugus fosfat,
Ikatan hidrogen di antara asam nukleat.

1.1 Elektroforesis Gel Agarosa

Agarose GE adalah salah satu metode paling mendasar. Metode ini mudah,
cepat, dan banyak lagi
keuntungan dari metode lain yang tidak dapat memisahkan pita DNA secara
memadai. Sulit bagi molekul
untuk bergerak pada pori gel selama elektroforesis. Laju pergerakan di
bawah medan listrik tergantung pada kekuatan
medan listrik, ukuran dan bentuk molekul, hidrofobisitas relatif sampel,
kandungan ionik
dan suhu penyangga tempat molekul bergerak [1]. Molekul DNA ukuran besar
dihalangi
melewati pori-pori kecil di gel. Dengan demikian, fragmen DNA ukuran besar
bergerak kurang lambat dari ukuran kecil
Molekul DNA.

1.2 Gerakan Molekul DNA dalam Gel

Ketika tegangan diterapkan pada elektroda, beda potensial (E) terbentuk (𝐸
= 𝑉 / 𝑑). Pada waktu bersamaan,
kekuatan pada molekul 𝐹 = 𝐸𝑞 terbentuk juga. Sementara kekuatan diukur dari
segi Newton memberikan
molekul bermuatan dengan bergerak melalui elektroda, resistensi yang
disebabkan oleh gesekan memperlambat pergerakan
molekul bermuatan turun. Selain itu, fungsi resistensi bersifat
hidrodinamik
besarnya molekul, bentuk molekul, besarnya pori dalam gel dan intensitas
penyangga [1].
Gambar 1. Gerakan Molekul DNA dalam Gel [2]

Kecepatan molekul yang dimuat dalam medan listrik (𝑣) adalah fungsi dari
perbedaan potensial, beban dan
kekuatan gesekan. Pada saat yang sama, itu dinyatakan sebagai 𝑣 = 𝐸𝑞 / 𝑓.
Di sini 𝑓 adalah koefisien gesekan.

Gambar 2. Pemisahan molekul DNA [3].

1.3 Ethidium Bromide dan UV Light

Ethidium bromide adalah bahan kimia yang dapat digunakan untuk menandai di
laboratorium biologi molekuler
asam nukleat. Molekul-molekul ini muncul sebagai molekul warna oranye.
Tingkat cahaya meningkat 20 kali lebih banyak
menurut molekul DNA. Akibatnya etidium bromida efektif di bawah sinar UV,
etidium
bromida memberikan molekul DNA muncul dalam gel. Ketika molekul DNA yang
memiliki etidium
sedang menunggu, massa molekul DNA, indurasi molekul DNA dan pergerakan
Molekul DNA berubah dalam gel.

2. Pekerjaan Terkait
Scales et al. telah menyiapkan paket analisis termo-gram yang sepenuhnya
otomatis untuk diagnosis kanker payudara.
Dalam penelitian ini, algoritma ekstraksi cerdik telah digunakan untuk
mengidentifikasi batas bawah tubuh dan
payudara. Mereka telah memperoleh kesuksesan 75% untuk penelitian ini [4].
Liu et al. telah belajar untuk mendeteksi mencurigakan
sel kanker pada gambar mikroskopis. Algoritma Canny telah digunakan untuk
mengidentifikasi tepi dan sel kanker
inti. Teknik morfologis dan pengukuran warna (RGB dan HIS) telah digunakan
untuk mengklasifikasikan
sel patologis dan normal. Mereka telah memperoleh keberhasilan 94% untuk
pengakuan sel patologis dan normal [5].
Qin dan Zhang telah mempelajari gambar otak dan tengkorak untuk
mengekstraksi tepi mereka. Saat Canny
telah dibandingkan dengan algoritma deteksi tepi lainnya seperti Sobel,
Roberts, Prewitt dan
Laplacian, mereka telah menentukan bahwa Canny memberikan hasil yang lebih
baik pada gambar otak dan tengkorak [6]. Chang et
Al. telah mengembangkan detektor tepi Canny yang dimodifikasi untuk
mengidentifikasi pembuluh darah retina dalam penelitian mereka. Itu
Detektor tepi Canny yang dimodifikasi telah didasarkan pada hysteresis dan
ambang batas dinamis. Mereka telah menyimpulkan itu
Algoritma Canny sangat berhasil mengidentifikasi pembuluh darah retina [7].
Cheng et al. telah mengembangkan
algoritma segmentasi gambar baru dengan menggabungkan model ular GVF dengan
operator Canny. Pertama-tama,
peta tepi telah diperoleh oleh operator Canny. Setelah itu, tepi tipis
objek pada gambar telah
diperoleh dengan menggunakan teknik pengenceran. Akhirnya, tepi yang tepat
dari objek telah ditentukan dengan menggunakan
Model ular GVF [8]. Bingrong dan Mei telah mengembangkan algoritma setengah
otomatis untuk segmen medis
seri gambar berdasarkan operator Canny dan metode morfologi. Semua tepi
pada gambar telah
ditentukan oleh operator Canny. Tepi benda yang tertutup telah ditentukan
dengan metode morfologi.
Menurut hasil, mereka telah membuktikan bahwa algoritma yang mereka
kembangkan adalah algoritma yang cepat dan percaya diri
untuk mensegmentasi seri gambar medis [9]. Tang telah merancang jaringan
saraf yang dapat mewujudkan tepi
mendeteksi dan membandingkan jaringan dengan metode deteksi tepi
tradisional seperti Prewitt, Sobel dan
Cerdik. Menurut hasil, sementara jaringan saraf dan Canny memiliki hasil
yang dekat, tradisional lainnya
metode tidak mencukupi [10]. Mei et al. telah menggunakan algoritma deteksi
Canny edge untuk mendeteksi otak
tumor dalam penelitian mereka [11]
Chang et al. telah menggunakan operator Canny untuk mendeteksi pembuluh
darah retina. Itu
algoritma berhasil pada tingkat 94% [12]. Li et al. telah menggunakan
detektor Canny untuk mengekstrak tepi
gambar gigi medis. Hasilnya, operator Canny lebih sukses daripada Harris
edge
metode deteksi. Selain itu, telah diramalkan bahwa Canny mungkin efektif
untuk mendeteksi sudut 3D
rekonstruksi [13]. Zhang dan Gao telah memperoleh hasil yang sukses tentang
ekstraksi tepi pada medis
gambar dengan menggabungkan Contourlet Transform Nonsubsampled dengan
algoritma Canny dalam studi mereka [14].
Ketika survei literatur dilakukan tentang algoritma deteksi tepi Canny,
jelas bahwa Canny edge
algoritma deteksi lebih berhasil daripada algoritma deteksi tepi pemrosesan
gambar lainnya
proses segmentasi. Kontribusi utama dari penelitian ini adalah untuk
menentukan nilai ambang batas rendah dan tinggi
untuk algoritma Canny secara otomatis. Dengan menggunakan jaringan saraf
tiruan, nilai ambang batas rendah dan tinggi adalah
secara otomatis diperoleh pada gambar elektroforesis gel agarosa. Jadi,
algoritma Canny diotomatisasi oleh
berarti jaringan saraf tiruan dalam penelitian ini.

3. Bahan dan Metode

3.1. Materi
Larutan gel 1% (500-10000 bp) untuk elektroforesis gel agarosa disiapkan.
Untuk menangkap gel
gambar elektroforesis, kamera ilmiah telah digunakan untuk penelitian ini.
Sifat ilmiah
kamera ditunjukkan pada Tabel 1 di bawah ini.

Tabel 1. Properti kamera ilmiah

Nilai Parameter

Sensor Gambar ½ inci, CCD 1.4MP berwarna-warni

Frame Rate 12.5fps@1360x1024, 15fps @ 680x520

Waktu Eksposur 0.1ms ~ 60mins

Filter Warna R, G, B
Mode Pemindaian Progresif

Rentang Dinamis 60dB

SNR 52dB

3.2. Metode

3.2.1. Tahap Pra-pemrosesan

Algoritma yang diusulkan dirancang sebagai sistem yang sepenuhnya otomatis untuk menentukan
tepi sel DNA pada gel

gambar. Gambar 3 menunjukkan diagram alir dari tahap preprocessing.

Gambar 3. Diagram alir untuk tahap pra-pemrosesan

Gambar yang diambil oleh kamera ilmiah dikonversi dari RGB ke skala abu-abu. Suara-suara yang ada
di

gambar dihapus dengan menggunakan Median Filter. Kemudian, ambang batas untuk metode
deteksi tepi selain

metode Canny operator Otsu ditentukan. Alasan untuk ini dibawa ke sepenuhnya otomatis

sistem untuk keperluan perancangan. Algoritma cerdik untuk nilai ambang tinggi dan ambang
rendah

akan diperkirakan dengan meningkatkan jaringan saraf tiruan.

3.1 Operator Cerdik

Karya Marr dan Hildreth sebelumnya berasal dari algoritma deteksi tepi yang ditingkatkan. Deteksi
terbaik,

yang dapat memberikan jawaban yang jelas dan teknik deteksi tepi optimal dengan lokalisasi yang
baik

fitur. Membuat perbaikan dalam berbagai bentuk, ini banyak digunakan dalam pemrosesan gambar
yang ada

teknik [15].

Algoritma deteksi tepi cerdik harus diikuti oleh serangkaian langkah pemrosesan untuk
implementasi.
Langkah-langkah pemrosesan yang diperlukan untuk operator Canny adalah sebagai berikut [16].

1. Firstly smooth the image with a Gaussian filters.

𝐺
(
𝑥, 𝑦
)
=
1
2𝜋𝜎
2
𝑒𝑥𝑝
(
1
2𝜎
2
(
𝑥
2
+𝑦
2
)
)

Where 𝑥 is the distance from the origin in the horizontal axis, 𝑦 is the distance from the origin in the
vertical axis, and 𝜎 is the spread of the Gaussian and controls the degree of smoothing.
2. Compute the gradient magnitude and orientation using finite-difference approximations for the
partial derivatives.
𝐺
𝑛
=
𝜕𝐺
𝜕𝑛
= 𝑛 × ∇𝐺 𝑛=
∇
(
𝐺×𝑔
)
|
∇
(
𝐺×𝑔
)|

𝐺
𝑛
is the first derivate of G and n is the direction, g is the image.

3. Apply non-maxima suppression to the gradient magnitude.

𝜕
2

𝜕𝑛
2

𝐺×𝑔=0
4. Gunakan algoritme ambang ganda (Rendah dan Tinggi) untuk mendeteksi dan menautkan tepi.

Diagram blok milik algoritma deteksi Canny edge ditunjukkan pada Gambar 4. Ketika 6 tepi berbeda

algoritma deteksi diterapkan pada gambar sampel, hasil yang diperoleh ditunjukkan pada Gambar 5.
Setelah ambang batas

nilai gambar asli dihitung dengan metode Otsu thresholding, nilai tersebut digunakan untuk semua
algoritma

kecuali Canny.

Gambar 4. Blok diagram dari algoritma deteksi tepi Canny

Gambar 5. Hasil yang diperoleh setelah menerapkan algoritma deteksi tepi pada gambar sampel

3.2. Pelabelan Komponen yang Terhubung

Pada gambar biner, sementara piksel yang nilainya 0 diterima sebagai latar belakang, piksel yang
nilainya

1 diterima sebagai objek. Untuk menentukan bentuk dan ukuran objek, label komponen terhubung

(CCL) digunakan. Pixel dianalisis dengan melihat 8-konektivitas tetangga mereka dan piksel yang
terhubung

diberi nomor label yang sama [17].

Langkah-langkah yang diambil selama CCL dalam penelitian ini tercantum di bawah ini.

Pixel dicari dua kali dari kiri ke kanan dan dari atas ke bawah.

Dalam pencarian pertama, piksel yang bukan milik latar belakang diberi nomor label yang dimulai
dengan 1.

Tetangga piksel yang memiliki nomor label diperiksa. Jika semua piksel tetangga milik

latar belakang, nomor label bertambah 1 untuk objek lain dalam gambar. Jika piksel tetangga
melakukannya

tidak memiliki nomor label semut, nomor label yang sama diberikan.

Dalam pencarian kedua, tampak bahwa komponen yang bentuknya seperti U atau E memiliki label
berbeda

angka. Dalam hal ini, nomor label terkecil diberikan ke piksel lain. Oleh karena itu, piksel terhubung

diberi nomor label yang sama

Gambar 6. 4 dan 8-konektivitas. Efek dari penerapan dua jenis konektivitas [17].

Dalam studi ini, JST dikembangkan. 256 neuron digunakan untuk lapisan input. Nilai RGB antara 0
dan 255

diperoleh dengan histogram digunakan untuk input. 2 neuron digunakan untuk lapisan keluaran
karena JST memberi rendah dan

nilai ambang tinggi untuk algoritma Canny. Selama proses uji JST, nilai ambang batas rendah dan
tinggi

diberikan secara manual. Properti JST ditunjukkan pada Tabel 2 di bawah ini.

Tabel 2. Properti JST

Nilai Parameter

Input 256

Neuron Lapisan 8 tersembunyi

Neuron Output Layer 2

Tingkat Belajar 0,1

Momentum 0,5

Alpha 0.2

Batas Kesalahan 0,0001

Fungsi Aktivasi Tangensial Hiperbolik

Metode Belajar Kembali propagasi

* Ambang batas Tinggi dan Rendah dari operator Canny ditentukan oleh Neural Network.

Gambar 7. Sampel gambar elektroforesis gel yang digunakan dalam penelitian

in

Gambar 8. Struktur JST yang dikembangkan

Tabel 3. Jumlah molekul DNA yang terdeteksi

4. Kesimpulan
Dalam studi ini, kami telah mengusulkan algoritma untuk mendeteksi molekul DNA pada gambar
elektroforesis gel.

Metode yang diusulkan adalah JST backpropagation berdasarkan algoritma deteksi Canny edge.
Selanjutnya,

algoritma yang diusulkan dibandingkan dengan 5 algoritma deteksi tepi yang berbeda. Tepi cerdik

algoritma pendeteksian berperforma lebih baik dan memberikan lebih akurat daripada algoritma
pendeteksian tepi lainnya pada gel

gambar elektroforesis. Metode yang diusulkan tidak dapat mencapai kesuksesan 100% karena nilai
intensitas

beberapa molekul DNA hampir sama dengan nilai ambang gambar.

Gambar 9. Molekul DNA yang terdeteksi pada 5 sampel gambar gel

elektroforesis.