IMPLEMENTASI ARSITEKTUR UNET WITH SPATIAL ATTENTION PADA SEGMENTASI DATA CITRA MIKROSKOPIS LEUKOSIT

Proses segmentasi citra membutuhkan metode yang akurat untuk memisahkan sel-sel leukosit dari latar belakang dalam citra. Arsitektur UNet adalah salah satu pendekatan yang efektif dalam melakukan segmentasi semantik, terutama pada bidang citra medis. Penelitian ini memiliki tujuan melakukan segmentasi semantic pada citra leukosit menggunakan arsitektur UNet yang dimodifikasi dengan penambahan mekanisme Spatial Attention. Dataset yang digunakan yaitu Data Raabin-WBC yang terdiri dari 1.145 dan Cella-Vision dengan jumlah 300 data citra dengan 3 kelas pada groundtruthnya yaitu background, nukleus dan sitoplasma. Metodologi penelitian meliputi beberapa tahap, yaitu pengumpulan dan praproses dataset, Pengembangan model, pelatihan model dengan Optimizer Adam, Learning Rate 0,0001, Batch Size 8 dan dilakukan reduksi selama proses pelatihan berupa reduksi Learning-Rate, Early Stopping, dan Cross-Validation, lalu dilakukan proses Testing Model menggunakan data yang tidak pernah digunakan selama pelatihan model. Hasil dari penelitian menunjukkan bahwa penambahan mekanisme Spatial Attention dapat meningkatkan performa dari model UNet standar, karena hasil dari semua skenario menunjukkan bahwa model UNet with Spatial Attention memiliki nilai rata-rata metrik evaluasi lebih tinggi dengan rata-rata nilai 0,9435.