Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   13 ,  No.   3 ,  Ma rch   201 9 , p p.   933 ~ 944   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijee cs .v1 3 .i 3 .pp 933 - 944          933       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   Identific atio n  of  Plasmo diu m fa l ciparu m   and  Plasmo dium viv ax   on  d igit al  i mage o f  t hin   b lood  f ilm s       Ha n un g Adi  Nugro ho 1 ,   Made S at ri a  Wib awa 2 , N oor Akhma d S e tiaw an 3 ,    E. El sa   Herdi ana  Murhan d arwa ti 4 , Ra tna Les ta ri  Bu diani Bu ana 5   1,3 Depa rtment   of   Elec tr ical  Engi n ee ring   and   Infor m at ion  T ec hnolo g y ,   Facu lty   of E ngine er ing,    Univer sita s Gad j ah  Mada ,   Yog y a kar ta,  Indon esia.   2 Depa rtment of I nform at ion  S y s t em,  Facu lty   of   E ngine er ing, STI KO M,  Bal i ,   Ind onesia .   4 Depa rtment of  Para sitol og y ,   Fa cul t y   of  Med ic in e,   Univ ersit as  Gadja h   Mada ,   Yo g y ak arta, Indones ia .   5 Diploma  3  of   Medical   R ec ord ,   V oca t iona l   Coll eg e,   Univ ersitas Gadj ah   Mada ,   Yo g y ak arta, Indones ia .       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   Sep   24 , 201 8   Re vised  N ov  25 , 2 018   Accepte d  D ec   1 7 , 201 8       Obs erv ing   pre senc e  of  Plasm odium  par asit e  of  stai ned  th ic k  or   thi n  blood   fil m s  through  m ic roscopic   ex aminat ion  is  a   gold  standa rd   for  m al ari a   dia gnosis.   Al tho ugh  the  m ic rosc opic   exa m inatio n  has  be en  exten sively   used ,   m iside nti ficat ion   m ight   occ ur  ca u sed  b y   hum an  fa ct ors.   In  orde r  to   over come  m iside nti ficat ion   proble m ,   seve ra l  studie s  have   bee n  conducte d  t o  deve lop  a  computer - ai d ed  m al ari a  d ia gnosi s  (CAD x)  to  ass ist   par amedi cs  i n  dec ision - m aki ng.   Thi s  st ud y   proposes  a n  appr oac h  to  i dent if y   spe ci es  and  stage   of   Plasm o dium  fal ci par um   and  Plasm odium  viva x  o n  thi n  blood  film s  col le ct e d   from   the   La bora tor y   of  Para si tol og y ,   Facult y  of  Med ic ine ,   Univer sita s   Gadja h  Mada .   Adapti ve  k - m ea ns  cl ustering  is  appl ie d   to  segm ent   Plasm odium  par asit es .  A  total  of   39  fea ture s  con sisting  of  shape   and  te xtu r e   fea tur es  are   ext r ac t ed  and  the n  s el e ct ed  b y   using   wrappe r - base d  f orward  and   bac kw ard   direct ions.   Cl assific a t ion  is  eva lu ated   in  two  sche m e s.  The  first   sche m e  is  to  class if y   th e  spec i es  of  par asite  i nto  two  cl asses.   The   sec ond   sche m e  is   to  cla ss if y   th e  spe ci es   and  stag e   of   pa rasit e  int o  six   class es.   Three   cl assifi ers  appli ed  ar e  k - ne are st   nei ghbour  (KN N),  support  ve ctor  m ac hine  (SV M)  an d  m u lt i - l a y er  p erceptron  (MLP).   Furthermore,   to  f a ci litate  th e  m ult ic la ss   cl assi fic a ti on,   one - v er sus - on e  (OV O)  and  one - v ersus - all   (OV A)  m et hods  are   implemente d .   Th e  f i rst  sche m e  a chi e ves  the   accurac y  of  88. 70%   base d  on  MLP  cl assifi er  using  thre e  se lecte d  f e at ure s.  W hi le   th e  accur a c y   gai ned   b y   th e  se cond  sche m e   is  95. 16%  bas ed  o n  OV O  and  ML P  cl assifi er   using   29  sele cte d  fea tur es.   The s e  result s  indica t e  tha t  the   propos ed  appr oa ch  succ essfull y   id e nti fie s  th e  spec i es  and  stage   of  par asite  on  thi n  blood  fil m s  and  has  pote nt i al   to  be  imple m ent ed  in  the   CAD x  sy stem  f or  assisting  par amedic s   in  d i agnosing  m al ar i a.   K eyw or ds:   Ad a ptive  K - Me ans  Cl ust erin g   Plasmo dium   fa lc ipa r um   Plasmo dium   vi vax   Wr a pper  Feat ure Sele ct io n     Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed.   Corres pond in g  Aut h or :   Hanu ng Adi  N ugr oho,   Dep a rtm ent o f El ect rical  En gi neer i ng and  Inf or m at ion  Tec hnol og y,   Faculty  of E ngineerin g, U nive rsita s G a djah   Ma da,   Jl. Grafi ka 2  K a m pu s  UG M , Yo gyaka rta  55281, I ndonesi a.   Em a il :  adinu gr oho @ugm .ac.id       1.   INTROD U CTION   Ma la ria  is  on e   of   the  global   diseases  re po rted  by  the  W or l d  He al th  O rg a nisati on   [ 1] .  Ba sed  on   World  Ma la ria   Re po rt  20 16 ,  there  we re  21 2  m illi on   cases  fo un d  in  2015  wh ic h  cause d  429,0 00   of   dea ths  [2] .  In   I nd on esi a,  m al aria  is  per sist s  with  highe r   end em ic ity  in  east ern   par t,  s uc h  as  in  Pa pu a  wit h  hi gh est   num ber   of  m al aria  annual  par asi te   in c idence   was   31. 93  m al aria  infe ct ion   per  1,000   popula ti on  in   2015  [3] .   Ma la ria  is   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   3 ,  Ma rc h 201 9   :   933   –   944   934   cause d  by  parasi te s  Plas m odium   par asi te s  wh ic h  are   m e diate d  by  fem al e  Ano ph el es   m os qu it os .  T her e  a re   sever al   s pecies  of   Plasm od ium   na m e ly   Pl asm od ium   falci parum   (P .  falci par um ),   Plasm od ium   viv ax  (P.   viv a x),  Plasm od i um   m a la riae  (P .   m al ari ae ),   Plasm od ium   oval e  (P.  oval e)  an d  the   la st  is  Plasm o diu m   knowle si  (P .  knowle si).  In   2013,  56%  of  m al aria  cases  i n  I ndonesi a  w as  cause d  by  P la s m od ium   fal ci parum   and 44%  w as  c ause d by Plas m od iu m  v iva x  [4] .   Althou gh   m al aria  is  li fe  threa te nin g,  a n  earl y  detect ion   c ould  sa ve  li ves .  Ba sed  on  guid el ines  f or   t he  treatm ent  of   m al aria,  m ic ro scop ic   e xam inatio n  or  rap i d  diagnostic   te st  (R DT)  is  re quire d  to   co nf i rm   m al a ria  infecti on  [ 5] . I n Ind on esi a,  m ic ro sc op ic  e xa m inati on  is c onside red as  gold sta nd a rd for   m al aria diagno sis.    Ma nu al ly ,  the  m ic ro sco pic  exam inati on   co ns ist s  of  three  ste ps   i.e.  by:  1)   obser ving  the   pr ese nce  of   m al aria  par asi te /Pl as m od ium ,  2)   ide ntifyi ng  the  Plasm odium   sp eci es  a nd   3)   i den ti fy ing   the  Plasm od i um  sta ge.   Dete rm i nation  of   t he  infect ing   Pl asm od i um   spe ci es  and   sta ges  are  i m po rtant  f or  decidin g  a ppr opriat e   thera py  [ 6]   as  well  as  pr e dicti ng the  pro gnosi s.    Me dical   la bor at or y  te ch no l ogist s  in  ei the r   public  healt h  centres  or  cl inics  or  ho s pital s  carry  ou t   m ic ro sco pic  e xam inati on .  Bl ood  from   finger  pri ck  is  us e d  an d  sm eared   on   obj ect   glas s/  sli des,   f ollo wed   by   Giem sa  sta ining   process  a nd   finall y,  visu al isa ti on   under  th e  m ic ro sco pe .  I n  te rm s  of  diag nosti c  accuracy,   m ic ro sco pic  exam inati on   has  po te ntial   we akn e sses  that  m igh t  be  influe nced   by  the  l aborato ry  per s onnel ,   abili ty ,  extern a l  distract ion   an d  ex per ie nce  be sides  sm ear  qu al it y,  reag ent o r  eq uip m ent  us ed  [ 7].  So m e  i s su es  su c h  as  obser va ti on   tim e  and   low - reli abili ty   resu lt   ha ve  al s o  em erg ed  in  s ever al   la borat ori es  in  Ce ntral  Java,   Ind on esi a.  D ue   to  these  pro ble m s,  the  exam i nation  accu rac y  var ie s  with  a   range  from   50  to  95%.  a   sit ua ti on   that m a y l ead to  a  w ron g  treat m en t and fatal it y  [7] .   The  us e  of   c om pu te r  ai ded   diag nosis  (CA Dx)  syst em   ca n  assist   the  pa ram edics  in  ob ser ving  the   pr ese nce  of   Pl asm od ium   parasi te s  to  gen e r at e  the  qu a ntit at ive  analy sis.  It  m ay   inv ol ve  the  di gital   i m age   processi ng,  art ific ia l  intel l igence  an d  data  m ining .  Mo re over ,  the  syst em   is  able  to  lear n  f r om   kn owle dg e  of   par am edics in  analy sing t he  c aptu red im age to  inc rease t he a ccur acy   of d ia gnos is  [8] .       2.   LIT ERATUR E REVIE W    The  early   sy m pto m   of   m al ar ia   is  no t  sp eci fic  and   m igh t  be  m i m ic kin g  oth e r  vir us   inf ect ion   e.g.   head ac he,   fati gue,  bo dy  aches   and   fe ver.  Mi sd ia gn os is,  la te   or   inap pro pr i at e  anti  m al ari a  therap y  co ul d  le ad  to  sever it y  -   com a,  anae m ia ,   hypoglyc aem i a,  kidney   fail ur e,  brai n  dam age  an d  m e ta boli c  aci do sis  -   or   eve n  death  [ 9] .  T he   li fe  cy cl e  of  m al aria  par asi te s  de velo ps   i n  two  dif fere nt   hosts,  i n  hum ans  an d  i n  f e m al e   Ano ph el es  m os qu it oes  as  de picte d  in  Fi gure  1.   I n  the  hum an  body,  the  pa rasit es  unde r go   tw o  c yc le s ,   exo e ryt hrocyt ic   and  eryt hroc yt ic   cy cl es.  Mer oz oites  as  the p r oduct o f  e xo eryt hrocyt ic   cy le ,  inv a de  hu m an  re d  blood cel ls, tu r n  int o  tr ophozo it e,  m at ur e an d bec om e schizon t st a ge.  Re d blo od cell s con ta ining   schiz onts are   finall y  burst  a nd  re le ase d  ne w   m ero zoite s  tha t  are  goin g  t o  i nv a de  t he  new  r ed  bloo d  cel ls .  A fter  s om e  cy cl es ,   so m e  par asi te s  tur n  into  gam et ocyt e  sta ge.   Wh e n  a  m os qu it o  bites  hum a n  ha ving  gam e tocy te s  in  their   blood,   nex t  tra ns m issio n  occ ur s  a fter   the  gam et ocyte  com pleti ng   sp or ogonic   cy cl e  and   ge ner at e s  spor ozo it es  i n  the  sal ivary fl uid s  of the m os quit o,   w hich  a re  re ady to  be  i nject ed  to  anothe r h um an  blood  [ 10] .            Figure  1. The  li fe cycl e of m a la ria p ar asi te  [10 ]   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Id e ntif ic ation   of  Plasmo dium f alciparu m a nd  Plasmo dium vi vax  on  d i gital  i mage …   ( H anung A di Nu groho )   935   Var i ou s  re sear ch  w orks  ha ve   been   co nduct ed  to  identify   m al aria  par asi te   based   on  C AD   syst em .   Me hrjou  et   al .  [11]   detect ed   the  red   bloo d  cel ls  infected  by  m a la ria  par asi te   on  th e  thin  blood   f ilm s.  Segm entat ion   process  was  c onduct ed  on   HSV  colo ur  m od el   based   on   a dap ti ve  est i m at ed  thresh ol d  t o  separ at e  pa rasi te   fr om   the  back gr ound.  K han   e t  al .  [12 ]   us ed  b - ba nd  fr om   CIE  L*a* b  c olour  m od el   to   facil it at e  identific at ion   proces s  f or  the  pr e se nce  of  pa rasit e.  K - m eans  cl ust eri ng  was   ap pl ie d  in  se gm entat ion  process .  H ow e ver,  k  value  was  m anu al ly   determ ined.   More ov e r,   this   stud y  lim it ed  on ly   to  ide nt ify   the  pr ese nce  of  parasi te  w hile t he   par asi te  s pecie s w as  not acc om pl ished  ye t.    Savkare  et   al .  [ 13 ]   c onduct ed  a  stud y  to  i de nt ify   the  sp eci es   and  sta ge  of   P .  falci pa ru m   and   P.  vi vax.  So m e  m et ho ds  wer e   ap plied  i n  pr e - proc ess  s uch  as  m edian  filt er,  La placi an  filt er  a nd  c ontrast   e nh a nce m ent.  In   se gm entat ion   pr ocess,   wat ersh e d  was  use d  to  i den ti fy  sta ge  of  par asi te   wh il e  Ots u  thres ho l ding  use d  to   identify   it s  sp eci es.  Two   kind s  of   extracte d  featur e s  especi al ly   con tour - ba sed  an d  histo gr am - base d  fe at ur es   wer e  cl assifi e d  by  us in g  SVM   cl assifi er.  Si m i la r  stud y  co nducted  by  Pur nam a  et  al .  [1 4] ,  bu t  they   co nducte d  the  exp e rim ent   on   the  thick  bl ood  fil m s.  The  par asi te   obj e ct   was  no t  ob t ai ned   by  segm entat ion   pr oce ss  bu t   m anu al l y  crop ping  in  the  re gi on   of   i nterest  (RoI).   The n,   hi stog ram - base d  featur e s  we re  extracte d  from   RoI  fo ll owe d by cl assifi cat ion   pro cess b a sed  on geneti cs al gorithm .    Fu rt her m or e,  a   schem e  to  identify   Plasm od ium   viv ax  i n  thin  blood   s m ear  was  al so  pro po se d  by   Akba r  et   al .  [ 15 ] .  T his  stu dy   was  co nduct ed  with  t he  L aborato ry  of  P arasit ology,  F acult y  of   Me di ci ne,   Un i ver sit as  G a dj a h  Ma da.   A   total   of   60  i m ages  us e d  c on sist   of   20   t r ophozoite s,  20   gam et ocyt es  and   20   schizo nts.  Se gm entat ion   proc ess  was  done  by   app ly ing   k - m eans  cl us te ri ng.  H oweve r,   t he  pa ram et er  of   k  was  m anu al ly  d et er m ined.   A  total   of sev e n hist og ram - based   feat ur es  w e re  u se d i n  this  stu dy.       3.   METHO DOL OGY   Ba sed  on  the   afo rem entione d  li te ratur es,   there  are  som e  chall eng es   in  or de r  to  increase  the   perform ance  fo r  ide ntifyi ng   the  sp eci es  an d  sta ges  of  m a la ria.  The  im pr ov em ent  of   im age  qual it y  is  sta rted  by  ta kin g  im a ges  in  loss le s s  fo rm at   with  hig he r  res olut ion   durin g  ac qu isi ti on  proc ess.  The n,   co ntrast  enh a ncem ent  is  co nducte d  in   pr e - processi ng.  T he  k  pa ra m et er  of   k - m eans  cl us te rin g  us e d  in  segm entat ion   process  can  b e   autom at ic ally  determ ined  by  consi der i ng the  i m age h ist og r a m .   More ov e r,   m or e  num ber   of   f eat ur es  us ed  f ollow e d  by  fe at ur e  sel ect ion  process  w ere  est i m at ed  to   increase   the  pe rfor m ance  of  cl assifi cat ion .  The  cl assi ficat ion   of  s pecies  and  sta ge s   of  m al aria  par asi t e  is  a   m ul ti cl ass  te r m .  Most  of   t he   cl assifi ers  we r e  dev e l op e d  to o ve rc om e  bin ary  cl ass  te rm .  Ther e f or e, OV O  ( on e - ver s us - one )  an d  O V A  ( on e - ve rsu s - al l)  ca n  be  ap plied  for  op ti m isi ng   the  cl assifi cat ion   resu lt .  T he  fi ve   m ai n   ste ps  c onduct ed  in  this st ud y  are  descr i bed in F i gure  2.           Figure  2. Bl oc k diag ram  o f  th e pro posed  app ro ac h     T h i n   b l o o d   d i g i t a l   i m a g e P r e - p r o c e s s i n g S e g m e n t a t i o n F e a t u r e s   e x t r a c t i o n C l a s s i f i c a t i o n A c c u r a c y ,   s e n s i t i v i t y ,   s p e c i f i c i t y F e a t u r e   s e l e c t i o n P l a s m o d i u m   F a l c i p a r u m P l a s m o d i u m   V i v a x G a m e t o c y t e s S c h i z o n t T r o p h o z o i t e s G a m e t o c y t e s S c h i z o n t T r o p h o z o i t e s S c h e m e - 1 S c h e m e - 2 Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   3 ,  Ma rc h 201 9   :   933   –   944   936   3.1.     Material  a n d Tools   This  stu dy  us e s  124  dig it al   pa rasit e  i m ages  of   t hin   blood   fi l m s  including  61   P.  falci paru m   and   63   P.   viv a x.   Plasm od ium   falci par um   con sist ing   of  24  gam et ocy te s,  16  tr opho zoite s  an d  21  schizo nts.  M oreov e r,  Plasm o diu m   vi vax   c om pr ise s  of   23   gam et ocyt es,  23   tr opho zoite s  an d  17  s chizo nts  as  il lustrate d  in  Fi gure  3.   The  im ages  wer e  colle ct ed  f ro m   the  Labor at or y  of  Parasi tolog y,  Facult y  of   Me dicine,   Un ive rsita s  G adj a h  Ma da.   T he  groun d  tr uth   im a ges  wer e  m an ually   sk et che d   by  m edical   e xp e rts  us in g  a   phot o - e diti ng   too l.   A   new  la ye r  is   ad ded  a bove  ori gi nal  im age,  the n  m edical   ex pe rt  m ark s  the  bounda ry  of   pa ra sit e  ob j ect   bas ed  on  the appea ran ce  of  or igi nal im age. Fi nally , ma rk e d  im age is  conve rted  t o binar y sca le .             (a)   (b)   (c)         (d)   (e)   (f)     Figure  3. The  im ages s am ple o f   P. f alcip ar um   ( a)  gam et ocyt es ( b) sc hizo nts ( c )  tr ophoz oites;   The  im ages of  P. vivax   (a ) ga m et ocyt es ( b) s chizo nts ( c )  tr ophoz oite       3.2.     Data A c quisi tion   The  ac qu isi ti on  pr ocess  in volves  bin ocu la r  l igh t  m ic ro sco pe   and   O ptil ab  ca m era.  The  m agn i ficat ion  us e d  in  obje ct ive  le ns   is  100  tim es  wh ic h  is  10   ti m es  big ger   than  t hat  of  the  ocu la r  le ns.  The  re so l ution   of   or i gin al   im age   ob ta ine d  by  O ptil ab  cam era  i s  1600 x1200  pi xels  with  los sle ss  ( bit m ap)   f orm at .  Each  sli de  of   blood fil m s can gen e rate se ve ral p a rasit e im ages d e pe nd i ng on t he paras it e d ensity  cont ai ned .       3.3.     Pre - pr oc essing   In it ia ll y,  the  r e gion  of  intere s t  (RoI)   with   re so luti on  of  250x250  pi xels  i s  obta ine d  by  crop ping  the   area  co ntainin g  pa rasit es  as  dep ic te d  i n  Fi gure  4.  T he  siz e  is  con si der e d  to  be  co ver i ng   t he  w hole   area  of   par asi te s.  Dur i ng this ste p,  t he  h aem at olo gis ts vali dated  the  RoI yi el ded .             (a)   (b)     Figure  4. (a ) O rigin al  im age an d ( b) Ro I  im a ge       Since the Ro I  im age  has  a low  contrast as p resen te d  in Figure 4 ( b),  hen c e the b ounda ry o f  re d  bl oo d  cel ls  and   it s  backg rou nd   te nd s  to  be  ha r d  to  sepa rate.   This  issue  is  so lve d  by  app ly in g  pow er - la w   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Id e ntif ic ation   of  Plasmo dium f alciparu m a nd  Plasmo dium vi vax  on  d i gital  i mage …   ( H anung A di Nu groho )   937   trans form ation  as  f or m ulate d  i n  (1)   [ 16 ] .   He re,     an d    are  posit ive  c on sta nts,   w hile    (g am m a)  is  a n  expo nen ti al   va lue.  The  powe r - la w  tra nsfo r m at ion   change s  the  range  of   i m age  con trast   to  be  m or e  ex te ns ive  known  as  gam m a cor recti on. After wa rd s , the  green  ch a nne l i s ex t racte d  to  f aci li ta te  the s egm entat ion  step.      =   (1)     3.4.     Se gme ntati on   Segm entat ion   is  an  i m po rtant  ste p  befo re  co nductin g  featu r e  extracti on   process.  Se gm entat ion   aim s   to  se par at e  pa r asi te s  from   othe r  obj ect s,   su c h  as   re d  bloo d  cel ls,  bac kgr o und  an d  artefact s.  T he  num ber   of  k  in k - m eans clu ste ring is  deter m ined  by  fin di ng the  sig nific ant local m axim a o n  t he gree n  c hannel  histo gr am .    Histo gr am   is   a   gr ap hical   repr esentat ion   of   the  intensit y  va lues  distrib utio n  [17] .  The  lo cal   m axi m a  (p ea k  of  inten s it y)  represent  t he  ce ntre  of  ar ea,  w hich   ha s  si m il ar  char act erist ic   of  inten sit y  value.   O pe ning   m or phologica l  operati on   wi th  str uctu rin g  el em ent  siz e   of  5x5  is  th en  c onduct ed   f or  obta inin g  bette r   segm entat ion  re su lt  foll ow e d by cl os i ng ope rati on w it h t he st ru ct uri ng ele m ent size  o f   7x7.     3.5.     Fe ature  Extr act i on   Thr ee   ki nds  of  featu res  c onsist ing   of  sha pe ,   te xture  of   hist ogram   in  first  order  an d  seco nd  ord er  a re   extra ct ed .  The   twel ve  sh a pe  featur e s  are  th e  obj ect   area,  conve x  area,  c onve xity ,  obj e ct   per im e te r,   conve x  per im et er,  so li dity ,  com pactness,  r oundne ss,   tri m ness,   first  inv a riant  m o m ent,  sec ond  in va riant  m o m ent s  an d  third  in var ia nt  m o m ents.  Textu re  featur e s  of  h ist og ram   i n  first  order  c on sist   of  m ean,  sta nda rd  de vi at ion,   entr op y,  sk e w ness  a nd  ku rtosis  wh il e  tha t  of   i n  sec ond  orde r  incl ud e s  co ntrast,  c or relat ion ,   ene rgy   an d  ho m og e neity .    These  te xt ur e  f eat ur es  a re  ext racted  f r om   diff ere nt  colo ur  c hannels,  par ti c ul arly   gr ey scal e  and   gr e en  channel  an d  sa turati on  cha nnel   of   HSV  col our  m od el .  Th ese  channels  a re  sel ect ed  bec ause  the  m os t  need e d  inf or m at ion   re la te d  to  the  c har act erist ic s  of   t he  pa rasit e   can  be  m or e  cl early   seen.  Ther e f or e,   as  of   nin e   featur e s  are  e xtract ed  f r om   ea ch  cha nnel ,  the re  are  a  total   of   27   e xtracte d  te xture  featu res   from   three  dif fer e nt   channels.       3.6.     Fe ature  Sele ction   The  w rappe r  needs  a  long  tim e  of   com pu ta ti on   to  proce ss;  howev e r,   i t  can  yi el d  m or e  acc ur at e     resu lt   [18] .  Wrapp e r  is  c hose n  base d  on   a  J anecek'   stu dy  [ 19 ] .  So m e  featur e   sel ect ion   m et ho ds  are  c onduct e d  to  increase  t he   cl assifi cat ion   resu lt .  I n  this  s tud y,  wr a pp e r  is  able  to  gain   the  releva nt  f eat ur es  a nd   ac hieve s   the  best  cl assif ic at ion   res ult.  Be st  first  sear ch  (BF S)   with   forw a r d  an d  backwa rd   dire ct ion s  ar e  co nsi der e d  durin g  t he  sel e ct ion   process .      3.7.      Clas si ficat i on   The  t wo   sche m es  of   cl assi ficat ion   a re  e valuated  i n  this   s tud y.  The   first   schem e  is  to  cl assify   the   sp eci es  of  par a sit e  into  two  cl asses,  na m ely  P.  falci pa ru m   and   Plasm od iu m   viv ax.   Wh il e  the  seco nd  s chem e   is  to  cl assify   th e  sta ge  a nd   sp e ci es  of   pa rasit e  at   on ce   into  six  cl asses,  i .e.  P.  falci pa r um   i n  ga m et ocyt es  sta ge   (F G ),   P .  falci pa ru m   in  schizo nt  sta ge  (FS) ,  P.  falci pa ru m   i n  tro phoz oite  s ta ge  (F T ),   P .  vi vax   in  gam et ocyt es   sta ge  ( VG),  P.   viv a x  in  schiz on t  sta ge  (VS)   and   P .  vi vax   in  tro phoz oite  sta ge  ( VT).  Th e  second  sc he m e  is  cat egorised   as  m u l ti cl ass  cl as sific at ion   i n  w hich  t he  num ber   of   cl ass   m or e  than   tw o  cl as ses.  T her e f or e,   O V O   and OV A  m et ho ds are  used  to  sim plify t he  cl assifi cat ion   pro cess.    Var i ou s  cl assi f ie rs  invol ved   c om pr ise   of   m ulti - la ye r  per ce pt ron  (MLP ),   k - near est   neig hb our  ( K NN)  an d su pport   ve ct or  m achine (SVM) . T he  M LP used  p a ram et ers  are lea rn i ng r at e  of 0.3 , m o m entum  o f 0. 2,  t he  trai ning  num ber   of  50 0  a nd   on e  hidde n  la ye r.   T he  a dj ace ncy  pa ram et er s  of   K NN   us e d  f or   t he  fi rst  and   t he   seco nd  schem es  are  six  a nd  t wo  ad j ace ncie s,  res pe ct ively .   Me an wh il e,  t he  S VM  cl assi fier  us es  ra dial  basis  functi on  (RBF )  ke rn el .  Cl assifi cat ion   is  co nducted   in  bo t h  of  the  f ull  f eat ur es  a nd  th e  sel ect ed  feat ur es .   More ov e r, 1 0 - f old s  cr os s  validat ion i s c on si der e d d ur in g  t he  pro ces s.      3.8.     E va lu at i on   an d  Va li d ati on    So m e  par am eter s  a re  us ed   to   m easur e  the  pe rfor m ance  of  the  pr opos e d  a ppr oach.  T he  s egm entat ion  process  is  vali dated  by  com par i ng   the  s eg m ented  pa rasit es  with  that  of   the  gro und  tr uth   im age.  Th en,   the   po sit ive   pre dicti ve  val ue  (P P V)  as  form ula t ed  i n  (2)  is  use d  t o  e valuate   the  pe rfor m ance  of  se gm entat ion  m et ho d  [ 20,  21] .  T r ue  posit ive  (TP)  is  the  nu m ber   of  pix el s  re pr e se nted  as  pa rasi te   that  are  cor rectl y   segm ented  as  pa rasit e.  Wh il e f al se posit ive (F P)  is t he nu m ber   of   non - par as it e p ixels se gme nted  a s  par asi te .      Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   3 ,  Ma rc h 201 9   :   933   –   944   938    =     +      100%   (2)     Fu rt her m or e, t he  pe rfor m ance o f  cl assifi cat ion   process is m easur ed by i nv ol ving so m e  par am et ers  as   pr ese nted  i n  T able  1.   Tr ue  posit ive  (T P)   is  po sit ive  cl ass  correct ly   cl assifi ed  as  posit ive,  w hile  true  ne gative   (TN)  i s  ne gative  cl ass  co rr e ct ly   cl assifi ed  as  ne gative.  F al se  po sit ive  ( FP)   is  neg at iv e  cl ass  cl assifi ed  a s   po sit ive ,  w hil e  false  neg at i ve  ( FN)  is  ne gative  cl ass  cl assifi ed  as   ne gative.  These   par am et ers  are   then  involve d  to  cal culat e the acc uracy , s e ns it ivit y a nd s pecifici ty  as for m ulate d from  ( 3)  t o ( 5).       Table  1.  C onf usi on Mat rix   Actu al Class   Predicted  as po siti v e   Predicted  as neg ati v e   Po sitiv e   TP   FN   Neg ativ e   FP   TN          =    +   +  +  +  100%   (3)       =     +  100%   (4)         =     +  100%   (5)       4.   RESU LT S   A ND AN ALYSIS   4.1.     Pre - pr oc essing   The  c ontrast   of  Ro I  im age  is  en ha nced  ba sed  on  po wer - la w  tra ns f or m at ion   to   m ake  the  par asi te   m or e  cl early   a s  sh ow n  in  Figure  5.  Extrac te d  gr ee n  cha nnel   is  then  sel ect ed  to  facil it at e  the  segm e ntati on  process , s ince  the c on t rast b et ween pa rasit e  and b ac kgr ound is  bette r  t han o the rs  a s s how n  in  Fig ure  6.             Figure  5. The  im ages r es ult o f  pow e r - la w  tra ns f or m at ion             (a)   (b)   (c)     Figure  6. The  e xtracted  im age s of (a)  re d  c ha nn el   ( b)   green   channel a nd ( c ) blue c ha nn el       4.2.      Se gme ntati on     Segm entat ion   is  condu ct e d  ba sed  on  k - m ea ns   cl us te ri ng.  The  num ber   of  cl us te r  is  det erm ined  by   consi der i ng   t he   local   m axi ma  of   histo gr am   distrib utio n.   As  il lustrate d  i n  Fig ure  7,  the   histo gr am   distrib ution  of   e xtracted  gr een  cha nnel   ha s  the  six  pe a ks   of  local   m a xim a.  Thu s,  th e  intensit y  values  that  ha ve  si m il ar   char act e risti c are in o ne  cl us te r.   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Id e ntif ic ation   of  Plasmo dium f alciparu m a nd  Plasmo dium vi vax  on  d i gital  i mage …   ( H anung A di Nu groho )   939       Figure  7. The  s a m ple o f  h ist ogram  d ist rib ution       Af te r wa rd s ,  th e  resu lt ed  im a ge  of  cl us te ri ng   process  is   conver te d  to   bin ary  scal e  fo ll owe d  by  m or phologica l  op e rati on.  T he se  res ults  are  de picte d  f r om   F igure  8  (a)   t o   F igure  8  (c).  T he   segm ented  pa rasit e   is  then  validat ed  to  the  gr ound   tr uth   par asi te   as  sh own  in   Figure  8  ( d).  The  se gm ented  par asi te s  obta ined  by   the pr opos e d  a ppr oach are c overe d  i n  re d  li ne  whil e the  gr e en  li ne  is  m ark ed  as  the  gro und  tr uth.                                           (a)                                      ( b)   (c)                                            (d)   Figure  8. The  im ages r es ult o f  ( a)   k - m eans cl us te rin g ( b)   bi nar y sca le   (c)  m or phologica l (d)  validat ed  p a ras it e       The  pe rfo rm ance  of   se gm entat ion   proce ss   is  evaluated  by  cal culat ing   PP V  as  prese nted   in  Table  2.   The  hi gh e r  th e  PPV   val ue,   the  cl os er  the  segm ented  parasi te   to  the  groun d  trut h.   Ba sed  on  Ta ble  2,   the   segm entat ion   m et ho d  s ucces sfu ll y  segm ents  par asi te s  with  the  ave rag e  PPV   of   96. 68 %.  The  sm al les t  of   PP V  is  obta ined   by  P.  falci parum   i n  tr ophoz oite  s ta ge  ( FT)  since   the  par a sit e  ap pear s   in   sm all  siz e  an d  thi n.   Th us,   the p a rasit e is  qu it e  diff ic ult t o be se gm ented.         Table  2.   T he   E valuati on Res ul t of   Segm entat ion   Process   Clas s   PPV ( % )   Stan d ard Devia tio n  of  PPV   FG   98 .1 8   2. 56   FS   97 .3 7   2. 83   FT   91 .0 5   12 . 8 7   VG   99 .2 2   1. 80   VS   99 .5 9   1. 09   VT   94 .6 8   6. 21       4.3.     Fe ature  Extr act i on   and Sele cti on   A  total   of   39   f eat ur es  is  extra ct ed  from   featur e  extracti on  pr ocess.   Howe ve r,   not  al l  the  featur es  m ay  con t rib ute  to  th e  cl assifi cat ion  process  e ven   i t  is  po te ntial   to  raise  the  com pu ta ti on   ti m e.  T hu s ,  this  stu dy  us es   wr a pper  featu r e  sel ect ion  to  gen e rate  the   r el evan t  featu re s  in  orde r  t o  i ncr ease   the   cl assifi cat ion   re su lt s.   Red  l i n e   G reen   l i n e   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   3 ,  Ma rc h 201 9   :   933   –   944   940   Wr a pper  m et h od   is  ap plied  usi ng   f orwa rd   a nd   backwa rd   di recti on s  to  fi nd  the  m os t  rele van t  subset  fea tures .   Wr a pper  searc hes  for  t he  bes t  subset  of   a   f eat ur e  base d  on  the   perform a nce  resu lt   of  t he  a pp li e d  cl as sifie r.  Ther e f or e,  d i fference  classi fie rs gen e rate  different selec te d  f eat ur es.     In   t he   first  sc hem e,  the  sel ect ed  feat ur es  ge ner at e d  by  wr a pp e r - base d  f or ward  directi on   with  S VM,  KNN  a nd  ML P classi fiers are 2,   2  an d 3, re sp ect ively . T he se num ber s ar e  v ery sm al l co m par ed  to the num ber  of   t he  39  f ull  f eat ur es.  H ow e ver,  the  backw ard   one  is  not  able  to  re duce  the  num ber   of  featur e s  sig nifi cantl y  as  descr ib ed  in   Table  3.   The  nu m ber   of  sel ect ed  featur e s  f or   the  sec ond  s chem e  wh ic h  cl assifi es  sp eci es  and  sta ge  of  par asi te   is  pr ese nted   in  Table  4.   T he  w ra pp e r  ba sed  f orwa rd  di recti on   i n  a  m ulti cl ass  m et ho ds  of  OVO  an d  O V A  gains  the  si gn i ficantl y  le s s  nu m ber   of   f eat ur es  com par ed  to  the  bac kw a r d  on e .  F or   th e   wr a pper  base d  forw a r d  directi on,  the  sm a ll es t  nu m ber   of   se le ct ed  featur es  is  ob ta ine d  by  the  OVO  an d  MLP   cl assifi er  with   two  featu res.   Wh il st  the  hi ghest   nu m ber   of  sel ect ed  featur e  is  ob ta i ne d  by  OVO  an d  K NN  cl assifi er  with   5  featu res  of   39   feat ur es .  I n  w rapper  bas ed  bac kw a r d  directi on,  a  to ta l  of   38   featur es  is   sel ect ed  by  O VA an d  ML P c la ssifie r  w hile  the o t her s  obta in 29 se le ct ed f eat ur es.       Table  3 .  T he   N um ber  of S el ec te d  Feat ures i n t he  First  Sche m e   W rapp er  Dir ectio n   Clas sif ier   Selecte d  Fe atu re   Fo r w a r d   S V M   2   KNN   3   MLP   3   B a c k w ar d   S V M   36   KNN   36   MLP   38       Table  4.   T he   N um ber  of S el ec te d  Feat ures i n t he  Sec ond Sc hem e   W rapp er  directio n   Multicl ass   m eth o d   Clas sif ier   Selecte d  Fe atu re   Fo rwar d   OVO   S V M   3   KNN   5   MLP   2         OVA   S V M   3   KNN   3   MLP   5   B a c k w a r d   OVO   S V M   29   KNN   29   MLP   29         OVA   S V M   29   KNN   29   MLP   38       4.4.     Clas si ficat i on   In   t his  stu dy,  t wo  schem es  of  cl assifi cat ion  are  e valuate d.  The  first  sc he m e  cl assifi es  the  par asi te   into  two  cl asse s  based   on   it s  sp eci es  w hile  the  second  sche m e  cl assifi es  t he  pa rasit e  into  six  cl assed  ba sed  on   it s  sp eci es  a nd  sta ge.   D ur in g  the  process ,  the   10 - fo l ds   c ross   is  in vo l ved.  T he  data  is  div i ded  into   te n  se ct ion s   with  the  e qu al   com po sit ion ;  one  sect io n  as  tr ai nin g  data  an d  the  oth e r  sec ti on s  as  te sti ng   data.  T his  pro cess  is  rep eat e d 10 ti m es u ntil  all  se ct ion s  ha ve under gone  as trai ning a nd test in g data.      4.4.1. Schem e - 1: Pa r as ite  Spe c ie s C las sific at i on   The  proces s  of  sp eci es  cl assifi cat ion   is  carried  out  in  the  fu ll   featur es   and   al so   in  the  sel ect e d  featur e s.  The  OVO  an d  O V A  m e tho ds   a r e  no t  co nduct ed  beca us e  th e  sp eci es  cl assifi cat ion   is  bi nar y  cl assifi cat ion   with  tw o  cl ass es  co ns ist in g  of  P.  falci paru m   and   P.  viv a x.   Ta ble  5  pr e sents  the  cl ass ific at ion  resu lt s  of  the  first  schem e  on   the  39  fu ll   featur e s  inclu di ng   of  accu rac y,  sensiti vity   and   s pecifici ty .  The  sensiti vity   and  sp eci fici ty   ar e  cal culat ed  separ at el y  betw een  P.  falci pa ru m   and   P.  viv ax  to  fi nd   out  the   perform ance o f  classi ficat ion  i n reco gnisi ng tru e  posit ive a nd tr ue ne gative  of eac h  s pecie s.    As  show n  in  T able  5,   the  lo w est   accuracy  is  ob ta ine d  by  th e  SV M  cl assifi er.  It  m eans  th at   the  SV M   cl assifi er  is  not  pr oper  in  rec ognisi ng  the  pa rasit e  sp eci es.   KNN  cl assifi er  gen e rates  bet te r  resu lt s  than   SV M   cl assifi er,  bu t   the  accu racy  rate  is  sti ll   l ow e r  tha n  tha t  of   MLP  cl a ssifie r.   KNN  cl assifi er  has  bette r   perform ance  in  rec ognisin g  P.  falci pa ru m   with  the  se ns i ti vity   of   90. 16%  than  t hat  of  P.  viv a x  with  the   sensiti vity   of 49. 21%.  M os t o f  the   s pecies  m isc la ssific at ions  are   com ing  f r om   P.  vi vax  w hich  is   rec ogni sed  as   P.  falci parum .  Ge ner al ly ,  t he   best  cl assifi cat ion   res ults  us in g  t he  39  f ull  featu res   ar e  obta ine d  by  MLP   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Id e ntif ic ation   of  Plasmo dium f alciparu m a nd  Plasmo dium vi vax  on  d i gital  i mage …   ( H anung A di Nu groho )   941   cl assifi er  with   the  accu racy,  s ensiti vity   of   P.   falci parum   and   se ns it ivit y  of  P.  viv a x  at   80.00%,  83. 61%  an d  76.19% , r e sp ec ti vely .       Table  5.   T w o  Cl ass Cl assifi cat ion   without F eat ur e  Sele ct ion   Clas sif ier   Accurac y   (%)   Sen sitiv ity  of   P.  fa lcip a ru m   (%)   Sp ecif icity  of   P.  fa lc ip a ru m   (%)   Sen sitiv ity  of   P.  viva x   (%)   Sp ecif icity  of   P.  viva x  (%)   SVM   4 7 . 6 3   3 9 . 3 4   4 8 . 6 1   5 5 . 5 6   3 9 .34   KNN   6 9 . 6 9   9 0 . 1 6   8 3 . 7 8   4 9 . 2 1   9 0 .16   MLP   8 0 . 0 0   8 3 . 6 1   8 2 . 7 6   7 6 . 1 9   8 3 .61       Table  6  prese nts  the  pe rform ance  of   cl as sific at ion   proc ess  by  us in g  sel ect ed  feat ur es.  In   both   forw a r d  an d  ba ckw a r d  dire ct ion s ,  the  S VM   cl assifi er  on  t he  sel ect ed  fea tures  ob ta in s  be tt er  accuracy  than  that  of   t he  39  f ull  featu res.   H ow e ve r,   the  se ns it ivit y  rate  of  P.  falci parum   and   P.  viv a x  i s  not  prom isi ng   ye t.   Fo r  the  KNN  cl assifi er,  bette r  accuracy  is  ob ta ine d  by  f orwa rd   directi on  at   81 . 45%.  Howe ver,  m os t  of   P.   viv a x  is  cl assifi ed  as  P.  falc ipar um   ind ic at ed  by  t he  lo w   sensiti vity   rate  of   P.  viv a x  at   65 . 08%.  Th e  best   perform ance  of  cl assifi cat io n  is  achie ve d  by  MLP   cl ass ifie r  us in g  for ward  directi on   with   the  a cc ur acy ,  sensiti vity   of   P .  falci parum   and   sensiti vity   of  P.  viv a x  at   88 . 70%,  93. 44%  and   84.13% ,  re sp ect ively .  The re  is  a  sig nificant  i ncr ease   of  cl a ssific at ion   res ults  com par ed   to  that  of  the   39  fu ll   feat ures.  T hese  res ul ts  al so  in dicat e that t he  MLP cla ssifi er is a ble to rec ognise t he  P . fal ci par um  an d  P. viva x.       Table  6.   T w o  Cl ass Cl assifi cat ion   with Fe at ur e  Select ion   W rapp er   d irection   Clas sif ier   Accurac y   (%)   Sen s. of   P.  falcip a ru m  (%)   Sp ec.  o f   P.  fa lcip a ru m   (%)   Sen s. of   P.  viva x   (%)   Sp ec.  o f   P.  viva x  (%)   F o r w a r d   S V M   7 8 . 2 2   9 1 . 8 0   8 9 . 1 3   6 5 . 0 8   9 1 . 8 0   KNN   8 1 . 4 5    9 8 . 3 6   9 7 . 6 2   6 5 . 0 8   9 8 . 3 6   MLP   8 8 . 7 0   9 3 . 4 4   9 2 . 9 8   8 4 . 1 3   9 3 . 4 4                 B a c k w a r d   S V M   7 6 . 6 1   6 5 . 5 7   7 2 . 3 7   8 7 . 3 0   6 5 . 5 7   KNN   7 2 . 5 8    9 1 . 8 0   8 7 . 1 8   5 3 . 9 7   9 1 . 8 0   MLP   8 7 . 0 9   9 1 . 8 0   9 1 . 2 3   8 2 . 5 4   9 1 . 8 0   *S e ns : se ns it iv it y;  Sp ec:  sp eci fici ty       4.4.2.     Sc hem e - 2: P ar as ite  Specie s  an d  Stag e  C l as sific ati on   The  sec ond  s chem e  is  condu ct e d  to   cl as sify  the  s pecies  an d  sta ge  of   pa rasit e  at   once.  T he   perform ance  of  cl assifi cat io n  on  t he  39  f ull  featur e s  is  dis pl ay ed  in  Table   7.   The   a ver a ge   val ues  of  acc uracy ,   sensiti vity   and  sp eci fici ty   resu lt ed  by  S VM   cl assifi er  are  73.39% ,  17. 48 %  an d  83. 51 %,  res pecti vel y.  The  lowest  ave rage  of   sen sit ivit y  sta te s  that  SV M  cl assifi er  is  no t  able  to  rec ognise  th e  true  po sit ive   cl ass.  Ba sic al ly , th e SV M cl assifi e r  is m erely  ap propriat e f or b i na ry cla ssific at ion.        Table  7.   Six  Cl ass Cl assifi cat ion wit ho ut Fea ture Sel ect ion   Clas sif ier   Av erage of   Accurac y  ( %)   Av erage of   Sen sitiv ity  ( % )   Av erage of   Sp ecif icity  ( % )   SVM   73 . 3 9   17 . 4 8   83 .5 1   KNN   87 . 0 9   60 . 6 8   92 .2 2   MLP   94 . 6 2   82 . 9 2   96 .7 8       Fo r  the  KNN  cl assifi er,  the  aver a ge  of  accuracy  an d  the  aver a ge  of  sp e ci fici ty   are  res pecti vely   at   87.09%   an d  92 .22%.   H oweve r,   t he  a ver a ge  of  sen sit ivit y  is  not  sat isfie d  si nce  the   rate  m erely   at   60. 68%.   The  MLP  cl assifi er   achieve d  t he  best  pe r form ance  of  cl assifi ca ti on   with  the   a ver a ge  of  accu racy,  se ns it ivit y  and  sp eci fici ty  o f  94.62% , 8 2.92% an d 9 6.78 % .     The  cl assi ficat ion   res ults  usi ng  sel ect ed  fea tures  a re  prese nted  i n  Ta ble  8.   The   m ulti class   m et ho ds  especial ly   OVO  an d  O VA   ar e  con si der e d  duri ng   the  proc ess  to  i m pr ove   the  cl assifi cat i on   perform ance.  The  best  pe rfor m ance  of  cl assifi cat ion   is  yi el ded   by  us i ng   t he  sel ect ed  fe at ur es  of   w ra pp e r - base d  ba ckw a r d  directi on  fo ll owed  by  OVO  and   MLP  cl assi fier.  Th e  aver a ge  of   acc ur acy ,   sensiti vity   and   sp eci fici ty   achieve d  are  95.16% ,  84. 02%  a nd  97. 09%,  res pecti ve ly .  Wh il st  th e  pe rfor m ance  res ults  obta in ed  by  oth er s  a re  no t   sign ific a ntly  d i ff e ren t.       Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   13 , N o.   3 ,  Ma rc h 201 9   :   933   –   944   942   Table  8.   Six  Cl ass Cl assifi cat ion wit h Feat ur e Selec ti on a nd  Mult ic la ss Sc hem e   W rapp er  Dir ectio n   Multiclas s  m e th o d     Clas sif ier  (%)   Av erage of   Accurac y  ( %)   Av erage of   Sen sitiv ity  ( % )   Av erage of   Sp ecif icity  ( % )   F or w ar d   OVO   SVM   9 2 . 7 4   7 6 . 0 7   9 5 . 6 3   KNN   9 3 . 2 8   7 7 . 7 1   9 5 . 9 7   MLP   9 4 . 0 9   8 0 . 9 4   9 6 . 4 8             OVA   SVM   91. 67   7 1 . 8 4   9 4 . 9 1   KNN   9 4 . 0 9   8 0 . 9 9   9 6 . 4 8   MLP   9 4 . 6 2   8 3 . 1 9   9 6 . 8 1               B a c k w a r d   OVO   SVM   8 4 . 1 3   4 9 . 2 2   9 0 . 2 5   KNN   8 7 . 0 9   6 0 . 1 4   9 2 . 2 0   MLP   9 5 . 1 6   8 4 . 0 2   9 7 . 0 9             OVA   SVM   9 0 . 3 2   6 8 . 7 6   9 4 . 0 9   KNN   8 7 . 3 6   6 1 . 8 8   9 2 . 4 0   MLP   9 4 . 8 9   8 3 . 2 3   9 6 . 9 3       5.   CONCL US I O N   An   ide ntific at ion   a ppr oach   of  Plasm od ium   par asi te   on  digi ta l  i m age  of   thin  bl ood  film s  has  bee n  pro po se d.   Fi rs tl y,  the  par asi te   is  segm ente d  by  us i ng   a da ptive  k - m eans  cl us te rin g  on  the  ext racted  gree n  channel  w hich   has  enh a nce d  by  app ly in g  th e  power - la w  t r ansfo rm ation .  The  segm entat ion   m et ho d  is  able  to   segm ent p arasi te  p r operly  ass ur e d by a ver a ge  PPV  of   96. 86%.    Af te r wa rd s ,  two  schem es  of  cl assifi cat ion  are  eval uated   on   seve ral  re le van t  feat ur es   sel ect ed  by   wr a pper  m et hod.   T he  first  sc hem e  cl assifi e s  the  pa rasit e  s pecies  into   tw o  cl asses,  nam el y  P.  falci parum   and   P.  viv a x.   T he  best  cl assifi cat ion   pe rfo rm ance  of   the  fir st  schem e  is   achieved  by  us in g  three  sel ect ed  f eat ur es   of   wr a pper - ba sed  f orwa rd   directi on  f ollo wed   by  MLP   cl assifi er  with  the  acc ur ac y,  sens it ivit y  of   P .   falci parum  an d sensit ivit y o f P.  viv a x  at   88. 70%,  93. 44 %  a nd 84.1 3%, res pecti vely .   Fu rt her m or e,  t he  seco nd  sche m e  cl assifi es  t he  sp eci es  a nd   sta ge  of   par a sit e  into  six  cl ass es.  The  tw o  m et ho ds   of  m ulti cl ass  cl assifi cat ion   es peci al ly   OV O  an d  O VA   a re  i nvolv e d  durin g  t he  process.   I n  this  schem e,  the  be st  pe rfor m ance  of  cl assifi c at ion   is  gai ne d  by  us in g  29   sel ect ed  featu res  of  w ra pp e r - base d  backwa rd   dire ct ion   f ollo wed  by  O VO   a nd  MLP  cl assi fier.  T he  a verage  of  acc ur a cy ,  sensiti vity   an d  sp eci fici ty   achi eved are  95.1 6% , 84.0 2%  a nd  97.09% , res pe ct ively .    Gen e rall y,  the  identific at ion   of   pa rasit e  is  su ccess fu ll y  co nducted  in  bo t h  the  first  an d  the  second  schem es.  Thes e  achiev em ent s  in dicat e  that  the  pr opos e d  a ppr oach  has   a  po te ntial   to  be   i m ple m ented  as   pa rt  of   t he  de velo pm ent  a  com pu t erised  ai ded  m al aria  diag nosi s  syst em   fo r  as sist ing   the   pa r a m edics.  F or   f ur t her   stud y,  the  e xpansio n  of  the  pro po se d  ap pr oach   will   be  cond ucted  to  re cognise  the  ot her   obj ect s  su c h  as  the   wh it e  bl ood  ce ll s,  artefact s  or  oth e r  pa rasit es  in  the  bl ood  cel ls.  More over ,  the  aut hor s  will   con sid er   m or e  featur e s to  ide ntify m or e sp e ci es an d  sta ge s  of the  Plasm od ium  p arasit es.       ACKN OWLE DGE MENTS   This  st ud y  is  f unde d  by  Di re ct or at e  Gen e ra l  of  Hi gh e r  E ducat ion,  Mi nist ry  of  Re sea rch,   Tec hn ology   and  Hi gher  Ed ucati on,  Re public  of  Ind on e sia .  Th e  a utho rs  would  al so  li ke  to  ac knowle dge  t he  I nt el li gen t   Syst e m s  research   gro up  m e mb ers  in  t he  De par tm ent  of   Ele ct rical   Eng ine erin g  an d  I nform at ion   Tech nology ,   UG M,  for g rea t shar i ng and  di scussion.       REFERE NCE S    [1]   W .   H.  Organi zat ion,   "H andbook:  Inte gra te d  Man age m ent   of  Chil dhood  Ill ness  [IMCI] , "  Gene va:   W HO ,   pp.   239 - 50,   2005 .   [2]   W .   H.  Organ isation,  "W orld  Ma l ari a   Report 2016 , " Gene v a, Switzerl and ,   2016 .   [3]   P.  K.  K.   R.   Indo nesia ,   "InfoDA TIN  Mala ri a, "   Pus dat in ,   Indon esia   2442 - 7659,   201 6.   [4]   W .   H.  Organ isation,  "W orld  Ma l ari a   Report 2015 , " Gene v a, Switzerl and ,   2015 .   [5]   W .   H.  Organ isation,  "G uid el in es  for  the t r ea tmen t   of  m alari a , " 3rd   ed.   G ene wa ,   Sw i tz er la nd,   2015 .   [6]   F.  B.   Te k,   A.  G.  Dem pster,   and  I.  Kale ,   "P ara sit e  det e c ti on  and  id ent ifica ti on  for  a utomate d  thi n  bl ood  fil m   m al ari a   dia gnosis," Computer  v ision and im age   under st an ding,   vo l. 114, p p.   21 - 32 ,   2010 .   [7]   S.  Tut i  and  W .   W orowija t,   "S it u asi  Mikroskopis  Mala ri a  di  Berbagai   La bor at oriu m   Dae rah   Ende m ik,   Ta hun  2006, "   Bule t in   Pene li t ian Siste m   Keseha ta n,   vol .   12 ,   200 9.   [8]   G.  Doughert y ,   Medic a l  imag e  p roc essing: te c hni ques  and applications:  Spring er  S ci en ce &   Busin e ss   Media ,   2011.   [9]   W .   H.  Organ isation,  "W orld  Ma l ari a   Report 2014 , " 3rd edi t ion ed. Gene wa ,   Sw it z e rla nd,   ,   2014.   Evaluation Warning : The document was created with Spire.PDF for Python.