Pendanaan: Penulis tidak menerima pendanaan khusus untuk pekerjaan ini.

ABSTRAK

Makalah ini menyajikan penelitian yang terkait dengan segmentasi berdasarkan kontrol pengawasan, pada beberapa tingkatan, optimasi parameter metode segmentasi, dan penyesuaian gambar mikroskopis 3D, dengan tujuan menciptakan pendekatan segmentasi yang lebih efisien. Tantangannya adalah bagaimana meningkatkan segmentasi gambar mikroskopis 3D menggunakan metode segmentasi yang dikenal, tetapi tanpa kehilangan kecepatan pemrosesan. Pada tahap pertama penelitian ini, sebuah model dikembangkan berdasarkan ansambel 11 metode segmentasi yang parameternya dioptimalkan menggunakan algoritma genetika (GA). Optimasi ansambel metode segmentasi menggunakan GA menghasilkan serangkaian segmenter yang selanjutnya dievaluasi menggunakan sistem pemungutan suara dua tahap, dengan tujuan menemukan konfigurasi segmenter terbaik menurut beberapa kriteria. Pada tahap kedua penelitian ini, model segmenter akhir dikembangkan sebagai hasil dari optimasi dua tingkat. Segmenter terbaik yang diperoleh tidak memengaruhi kecepatan pemrosesan gambar dalam proses eksploitasi karena kecepatan operasinya secara praktis sama dengan kecepatan pemrosesan metode segmentasi dasar. Pemilihan objektif dan penyempurnaan segmenter dilakukan menggunakan beberapa metode segmentasi. Masing-masing metode ini telah melalui proses intensif dari sejumlah besar siklus optimasi dua tahap. Metrik ini secara khusus dibuat untuk analisis objektif kinerja segmenter dan digunakan sebagai fungsi kebugaran selama optimasi GA dan validasi hasil. Dibandingkan dengan segmentasi manual pakar, skor segmenter adalah 99,73% menurut prinsip segmenter rata-rata terbaik (skor segmentasi rata-rata untuk setiap gambar irisan 3D sehubungan dengan seluruh set sampel). Skor segmenter adalah 99,49% menurut prinsip segmenter paling stabil (skor segmentasi rata-rata untuk setiap gambar irisan 3D sehubungan dengan seluruh set sampel dan mempertimbangkan kelas gambar referensi MGTI median, MGTI voter, dan GGTI).