Indonesi an  Journa l  of El ect ri cal Enginee r ing  an d  Comp ut er  Scie nce   Vo l.   13 ,  No.   2 ,  Febr uar y   201 9 , pp.  721 ~ 72 8   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v1 3 .i 2 .pp 721 - 72 8          721       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   F eatur e anal ysis for sta ge identific atio n  of  Plasmo diu m  viva x   based on  digital  micros copic ima ge       Ha n un g Adi  Nugro ho 1 ,  I  Md. De ndi  M ay s anj aya 2 ,  N oo r  Akhm ad   Setiaw an 3   E. El sa   Herdi ana  Murhan d arwa ti 4 , Widh ia K. Z  Ok to e b erz a 5   1, 2,3,5 Depa rtment   of  Elec tr ical and   Inform at ion   Tec hnolog y ,   Fa cul t y  of  Eng ineeri ng ,     Univer sita s Gad j ah  Mada ,   Yog y a kar ta,  Indon esia   2 Depa rtment of I nform at ic s E du c at ion ,   Fa cul t y   of   Engi n ee ring   an d  Voca t ion,   Uni ver sita s Pend idikan  Gane sh a ,   In donesia   4 Depa rtment of  Para sitol og y ,   Fa cul t y   of  Med ic in 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   Oct  9,   2018   Re vised N ov  19, 2 018   Accepte d  Nov   28, 201 8       Pl asm odium   par asit e  is  ide n ti fi ed   to  conf irm  m al a ria   dise ase .   Para m edi cs  nee d   to  observe   the pr ese nce of  th is parasit e   pre par ed  o n  thi ck   and   thi n   blood  fil m s  under   m ic roscop e.   How eve r ,   fa lse  ide n ti fi ca t ion  stil l  o cc urs  which   is  ca use d   b y   hum an  f ac tor   durin g  th e   exa m i nat ion .   Thus,   m a la ri a  ide nt ifi c atio n  base d   on   digi tal   image   pr oce ss ing  h as  b e en  wid ely   dev eloped  to  ov erc o m e  the  err or   poss ibi li t y .   Thi s  pape r  proposes  a   sche m e  to  id ent i f y   and  class if y   th e  stage s  o f   Pl asm odium  vi v ax   par asi te   on  d i git al   m i cro sco pi c  image  of  thi n  blood  fil m s  base d  on  f ea tu r e  an aly sis.  Sha pe  and   te x ture  fea tur es  ar e  ex t rac t ed  from   segm ent ed  par asit e  ob je c ts.  Fea tu re  select ion   base d  on  wrappe r  m e thod  is  the n   conduc t ed  to  obt ai n  re le van t  fe atures  which  m a y   cont ribute  in  improving  th e   cl assifi ca t ion  res ult .   Th e   class ifi c at ion   proc ess  is   conduc t ed  b ase d   on   Naïv e  Ba y es  cl assifi er.  Th e  p erf orm ance  of   proposed   m et hod   is  eva lu ate d  using   73   digi tal  m ic rosco pic   images of   P - vi va x   p ara sit e on   thi n   blood   fil m s  comprisin g   of  29   tropho zoi t es,   10   sch iz onts   and   34   game to c y te s   stage s .   B y  using   six   sele c te d   fe at ure s   including   per i m et er,  dispersio n,   m ea n   of   in tens ity ,   AS M,  cont rast   GLCM  and  en trop y   GL CM,  the  proposed  sche m e   ac h ieves  the  be s t   cl assifi ca t ion  r ate  with   th e  ac cu r acy ,   sensit ivi t y   and  spec ificity   of  97. 29% ,   97. 30%  and  97 . 3 0%,   r espe ctively.  Th is  ind ic a te s  t hat   the  proposed  sche m e  has   a  pot ent i al  to   be   implement ed  in   the  dev el opm e nt  of   a   compute rised  a ided   m al ari a   di agnosi s s y stem  for   assi sting  th e  pa rame dic s .   Ke yw or d s :   Feat ur e  an al ysi s   Stages  of p la s m od iu m  v iva x   Thin bl ood fil m   Wr a pper  featu r e sele ct ion   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@u gm .ac.id       1.   INTROD U CTION   Ma la ria  is  a   disease  ca us e d  by   Plas modium   par asi te   w hich   is  tran sm i tt ed  to  hum ans  th rough   the   bite   of  fem al e  Anopheles  m os quit os .   As   re porte d  by  Wor ld  H eal th  Org anisat ion  ( W HO),   this  dis ease  are   transm itted  in  m or e  than  90   c ountries  a nd  pu t  about  3.2  bill ion   pe ople   at   ris k  of  m al aria  wi th  m ai nly  m or bid it y  occur  i n  A fr ic a,  S ou t h - Ea st  Asia,  Lat in   A m erica  and  the   Mi dd le   Ea st [ 1] .  Plas m od i um   is  div ide d  i nto   five   sp eci es,   i.e.   Pl as m odiu m  f alc ipa r um  ( P.   fal ci pa r um ),  Pl asmo dium   vi vax  ( P .  vi v ax ) ,  Plasmo dium  ov al e   ( P.   ova le ),  Pla sm odiu m  m ala ri ae   ( P.  ma l ar iae )   and   Pl asmo di um   k nowl esi   ( P.  kn owlesi ).   The  gr eat est   th reat  of  m al aria causes  com es f ro m   P.  falci pa r um   a nd  P. viv ax .  [1] .   The  Pla sm odium   unde rgoes  two  ph ase s  du rin g  the  in fecti on   process  of  the  hum an  body,  nam el y  exo e ryt hrocyt ic   phase  in   the  l iver  a nd  intrae ryt hrocyt ic   ph a se  in  blood  str ea m   ci rcu la ti on .  In  the  bloo dst ream   ci rcu la ti on,  it   will   go  th r ough  oth e r  t hr ee   sta ges,  i.e.  t rophoz oite s,  sc hi zon ts   an d  gam et ocyt es  sta ge s  [ 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.   2 ,  Fe bru ary 2 019   :   721   –   72 8   722   Figure  1  s how s  the  li fe  cy cl e  of   m al aria.  When   Plas m od i um   infecti on  is  s us pe ct ed,  thic k  and   thi n  bl ood  film s   pr e par at io n  wi ll   be  m ade.   Ex a m inati on   on  t hick   bl ood  ai m s  to  detect   th e  prese nce  of   Plasmo dium   pa rasit es   wh il e the  thi n blo od f il m  ex am inati on  is to  iden ti fy  w hat s pecies  of   Plas modium   ca us i ng the  d ise ase .           Figure  1. The  li fe cycl e of m a la ria [2 ]       A  false  diag no sis  on  thin   bl ood  film   exa m i nation  can  be  aff ect ed   by  s om e  factor s  part ic ularly   the  exp e rtise   le vel   of   par am edics,  the  blood   fil m   pr epara ti on  m et ho d,   t he  s ta ining   m et hod  an d  the  qual it y  of   m ic ro sco pe  use d.   Hen ce ,  se ve ral  stud ie s  ha ve  bee n  c ondu ct ed  to  dev el op  com pu te r - a i ded   m al aria  diagnosis  base d on di gital  i m age p r oces sing t o red uce t he  e rror p os si bi li t y.    Kh a n  et   al .  [ 3]   app li ed   k - m ean s  on  b  cha nnel   of  the  L*a *b  c olour   m od el   to  segm ent  P.  vi v ax   par a sit e.  Howe ver,  t he   k   val ue   wa s  det erm ined  m anu al ly ,  an d  t he   vi su al   qual it y  of  segm entat ion   r esult  was   po or .   Na sir   et   al .  [ 2]   em pl oyed   the  c om bin at ion  of  m oving  k - m eans  cl us te rin g  (M K M)  a nd  see ded  re gion  gro wing  a rea   extracti on  (S R GA E )  m et hods  to  i den ti fy  P .  v iv ax .  T heir   stu dy  pr ov e d  t hat  the  use   of  sat ur at ion   (S )   band  of  H SI  colo ur  m od el   was   able   to   ob t ai n  bette r   segm entat ion  r e su lt   t han  th at   of  inte ns it y  ( I)  band.  Dian   et   al.   [ 4]   de te ct ed  the  bloo d  cel l   com po ne nt  i n  r ed  t hin  blood  s m ear  by   a pp ly ing  global  t hr es ho l ding   an d  co nn ect e d  com ponent   la belli ng   (CCL).  R ub e rto   et   al .  pro posed  the  com bin at ion  of  a u tom atic  thres ho l ding  a nd  m or phol og ic a l   appr oach  to  de te ct   and  cl assif y  m al aria  par as it es  [5] .  Furthe rm or e,  A kbar   e t  al .  [6]   i ntrod uced  com bin at ion   of  k - m eans  cl us te rin g  a nd  m or phol og ic al   oper at ion   m et hods   on  HSV  c olour   m od el   to   se gm ent  P.   falci parum   on  the  thin   bl ood  fil m s.  The n,   s ever al   s ha pe  a nd  te xture  featur es   we re  e xtr act ed  an d  cl as sifie d  by  us i ng   ML P   cl assifi er  to   cl assify   P.   falci parum   sta ge  into  t hr ee   cl ass es,  i.e.   tr opho zoite s,  sc hizo nt s  an d  gam et o cy te s.  Howe ver,  t he  determ inati on   of  the   cl u ste r  num ber   in   k - m e an  was   sti ll   m a nu al   an d  the   obta ined   featu re s  wer e   sti ll  too  m any.    To  c om plete   the  ide ntific at ion  stu dy  of  Plas modium   pa rasit e,  this  pa per  pr opos es   a  sc he m e  to  cl assify   P.  vi vax   pa rasit e  on   dig it al   m ic ro sc op ic   im a ge  of   t hin   bloo d  film s.   The  cl assifi cat ion   is  cat egorised  i nto   th re e   sta ges,  i.e.   tr opho z oites,   sc hizon ts   a nd  gam eto cy te s.  The   m a in  pur po se   of  t his  st ud y   is  t o  ob ta in   t he si gnific ant   featur e s  f or   im pro ving  the  cl assifi cat ion   res ul t  based   on  w ra pp e r s ub set   e va luati on .  The s tructu re  of  this  pap e r   is  organ ise d  as   fo ll ows.   Sect ion  I I   il lustrate s   the  ex pe rim en ta l  set   up .  T he  resu lt s  a nd  d is cussion  a re  pre sente d  in Secti on  III foll ow e d by c oncl us i on in Sec ti on   IV       2.   APP ROAC H   The  m et ho dolog y  c onsist s  of  five   m ai n  processes ,  nam ely  pr e - proce ssing,  se gm entat i on,  feat ure   extracti on,   fea ture  sel ect ion  and  cl assifi cat ion  as  de picte d  i n  Fi gure  2.  The   fi rst  tw o  proce sses,   i.e .  pr e - processi ng  an d  segm entat ion ,  are  c onduct ed  by  ad opti ng   the   pro posed   sche m e  in  our  previ ou s   w ork   [ 7] .  F irstl y,   Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c   En g  &  Co m p  Sci     IS S N:  25 02 - 4752       Feature  an alys is f or  st ag e  ide ntif ic ation   of  pl as m od i um viv ax base d o n di gital …   ( H anung A di Nu groho )   723   the  Ro I  im age  with  the  res olut ion   of   250x 250  pix el s  is  cr op ped  f ro m   the  ori gin al   im age.  The  re d  a nd  sat urat io n  bands  a re  us e d  in  this  stud y.  The n,   c on tra st  stret chin g,   a nd  m edian  filt er  are  ap plied  to  enh a nce  the  qu al it y  of  RoI  im age.  F urt her m or e,  Otsu t hr es holdin g  a nd m or phol og i cal  o pe rati ons  are c onduct ed  t o  se gm ent   P. v iv ax.       T h i n   b l o o d   f i l m   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   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 I n p u t P r o c e s s O u t p u t F e a t u r e   s e l e c t i o n       Figure  2. Bl oc k diag ram  o f  th e ap proac h       2.1.     Fe ature  ext r act i on   The  se gm ented  im age  su bs e qu e ntly   unde r go e s  feat ur e  e xtracti on  pr oc ess  base d  on  the  s hap e   an d  te xtu re  featu res .  The  sh a pe  fea ture  c om pr isi ng   the  c onto ur - ba sed  a nd   i nvari ant  m o m ent  featur es.  For  the   te xture   featur e ,  hist ogr a m - based   an d  GLCM  featu re s  are  ext r act ed.  Ther e   are  se ve n  co ntou r - base d  feat ur es  i nclud i ng   per im et er,  area,  rou ndness ,   sli m ness,   co nvex it y,  so li dity   a nd  dis per si on.   P erim e te r  re pr e s ents  t he   ed ge   l eng t h  of  a n  ob j ect   as   form ulate d  in   ( 1).  The   obj ect   with   4 - ad j ace nc y  obta in   bette r  res ult  of  pe ri m et er  tha n  t hat  of   8 - adj ace ncy.   He r e,  is  an  e ven  num ber   of  c od e s  an d    is  an   od d  nu m ber   of  c od e s.  Ar ea   is  t he  total   of  pi xe ls  obj ect   as   cal culat ed  in   ( 2).  The  nota ti on   of     an d     re present  the   ob j e ct   area  a nd  ed ge  of   t he  obj e ct ,   resp ect ively .      =   + √ 2   (1)     = ∬  =   ∫ ( )  ( )   −   ∫ ( )  ( )       (2)     Roun dn es s  is  t he  rati o  betwe en  the   obj ect   a rea  a nd  qua dr a ti c  per im et er  wh il e  sli m ness  is  the  rati o  betwee n  the  width   a nd  th e  le ng th  of   the  obj ect .  R oundne ss  an d  slim ness  are  expresse d  in  ( 3)     and ( 4),  resp ec ti vely .     =   4       2   ( 3)      =  ℎ   ℎ   (4)     Conve xity   is  t he  rati o  bet we en  c onve x  per i m et er  an d  obj e ct   pe rim e te r  as   decla red  in   (5)  a nd  s olidit y  is  the  r at io  be tween  t he  obje ct   and  c onve x  a reas  as   f orm ula te d  in  (6) .  Dis persi on  f eat ur e  e xpres s es  the   irre gula rity   of   the  obj ect   wh i ch  is  cal culat ed  us i ng   (7)  as  the  rati o  bet we en  the  le ngths  of   m ai n  cord  to  th e   obj ect  a rea.        =              (5)      =              (6)     ( ) = max   ( √ ( − ) 2 + ( − ̅ ) 2 ) ( )   (7)     her e ,  ( ̅ ,   ̅ )   is t he  c e ntre p oin t  of  t he  m ass area  ( )   w hile  ( )   is t he  ob j e ct  area.    The  in va riant  m o m ent  know n  as  Hu  m o m e nt  is  cal culat ed   base d  on   nor m al ise d  centre  m o m ents  [8] .  The  m o m ent  values  do  not  de pend  on   tr ansla ti on ,  scal in g  a nd  r otati on.  The re  are  se ve n  fe at ur es  of   t he  in var ia nt   m o m ent  bu t  on ly   three  feat ur e s  us e d  in   this  s tud y,  i.e .  m o m ent  1,  m o m ent  2  a nd  m o m ent  3  as  m at he m at i cal ly  form ulate d  in  ( 8) to  (10 ).   N orm al ise d  m o m e nt is  declare d b y  ŋ    w hile     is t he   m o m ent o r de r.       ∅ 1 = ( ŋ 20 + ŋ 02 )   (8)     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.   2 ,  Fe bru ary 2 019   :   721   –   72 8   724   ∅ 2 =   ( ŋ 20 + ŋ 02 ) 2 + ( 2 ŋ 02 ) 2   (9)     ∅ 3 =   ( ŋ 30 + 3ŋ 12 ) 2 + ( ŋ 03 − 3 ŋ 21 ) 2   (10)     Textu re  is   the b asi c feature  r e la te d  to roug hness, g ra nula ti on   a nd r eg ularit y  of  pi xels  st ruct ur e  a nd a s   the  rep et it io n  of  basic   pi xels  i s  cal le d  as   te xe l   (text ur e   el em ent)   [ 9] .   The   t wo  kinds   of   te xture  featu re   ba sed   on   the  sta ti sti cal   or de r  us ed   incl ude  histo gr am - ba sed  a nd  grey   l evel  co - occurr ence  m at rices  (G LCM )  featu r es.  T he  histo gr am - base d  feature   is  th e  first - orde r  st at ist ic al   wh ic h  com pr ise s  of  six  feat ur es ,  i. e.  m ean  of  int ensity ,  dev ia ti on sta ndard, s kewness , e nergy, e ntr opy and sm oo th ne ss.  T hey are   f or m ulate d  in  ( 11)  t o  ( 16) .     = ∑   . ( ) − 1 = 0   (11)     = √ ∑ ( − ) 2 ( ) − 1 = 1   (12)       = ∑ ( − ) 3 ( ) − 1 = 1   (13)      = ∑ [ ( ) ] 2 − 1 = 0   (14)      = − ∑ ( ) − 1 = 0   log 2   ( ( ) )   (15)     = 1 − 1 1 + 2   (16)     The  sec ond - order   sta ti sti cal  m e tho d  is  c onduct ed  by  cal culat ing   t he   pro ba bili ty   of   a djace ncy  relat ion s hip   be tween  tw o  pix e ls  at   a  certai n  di sta nce  a nd  an gu la r  ori entat ion   ( 0,   45,  90  a nd   135  de gr ee s )  [ 10 ] .  Five  GLCM  fe at ur es  e xtracte d  a re  a ngular  s econd  m om ent  (A SM ),   i nv e rs e  dif fer e nce  m om ent  (I DM ),   entr op y,   co nt rast an d  c orrelat ion.   AS M  is  us e d  to  cal culat e  the  ho m og e neity   of   im age  us ing   (17 )  with  t he  num ber   of   le vels  for  com pu ta ti on  e xpresse d  as  L .   T he  m easur e m ent  va riat ion  of   grey   le vel  pi xels  im age  known   as   c on t rast  is   form ulate d  in (18).   Wh il st, ID M i s u se d   t o  m easur e  hom og e neity  as for m ulate d  in  ( 19) .      2 11 ( , ) LL ij A S M G L C M i j     (17)     2 1 | | ( , ) L n i j n c o n t r a s t n G L C M i j       (18)     2 11 ( , ) 1 ( ) LL ij G L C M i j I D M ij      (19)     Entr op y  desc ribes  th e  ir regul arit y  of   grey   le vel  im age.  If   e lem ents  of   GL CM   are  relat iv e  the  sam e,   high  e ntr opy  va lue  would  be   ob ta ine d.  L ow  entr op y   val ue  i s  ac hieve d  i f  t he  el em ents  of   G LCM   near  0  or   1.   Correl at ion   fea tures  is   use d  to  m easur e  t he  li near   dep e nde nce  of  grey   le vel  va lue  of  th e  im age.  Entr opy  an d  correla ti on are den oted  in ( 20)  and  (21).     11 ( , ) l o g ( ( , ) ) LL ij e n t r o p y G L C M i j G L C M i j      (20)     '' 11 '' 2 ( ) ( ( , ) ) LL ij ij i i j G L C M i j c o r r e l a t i o n       (21)     2.2.     Fe ature  sel ection   Feat ur e  sel ect i on   is  c onduct e d  to o btain  t he  sign ific a nt  extr act ed  featu res  f or   im pr ovin g  the  accu racy  and  re duci ng  th e  com pu ta ti on  tim e  du ri ng  cl assifi cat ion   proc ess  [ 11 ] .   Wr a pper   subset  e val uation - based  m et hod  us e d  in  t his  stud y  si nce  it   use s  a  le ar ning  al gorithm   and   k   fo l ds   c ro s s - va li dation  as  pa rt  of  the  e valu at ion  functi on  wh il e  searchi ng  the   f eat ur es   [ 12 ] .   It erati vely ,  w ra pp er   will   prese r ve  th e  rele va nt  featur e s  a nd  el im inate  the irr el e va nt fea tures.      Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c   En g  &  Co m p  Sci     IS S N:  25 02 - 4752       Feature  an alys is f or  st ag e  ide ntif ic ation   of  pl as m od i um viv ax base d o n di gital …   ( H anung A di Nu groho )   725   2.3.     Clas si ficat i on   The  cl assifi cat ion   process  ai m s  to  determ i ne  in depen de nt   var ia ble  (f ea tures )  that  ha s   the  hi gh est   correla ti on   t o  dep e nde nt  va riable  (class   of   t he  ob j ec t).  Naï ve  Ba ye s  cl assifi er  is  us e d  in  t his  study     since  it s  relat ively   fast  in  tr ai nin g,  able  t o  handle  t he  re al   and   discrete   data  an d  una f fected  by  irrel evan t     featur e s  [ 13] , [14 ] .       3.   RESU LT S   A ND  DI SCUS S ION   A  A  t otal  of   73  dig it al   m ic ro sco pic  im ages  of  P.   vi vax   parasi te   on  thi n  bl ood  film s  ta ken   from   the   Dep a rtm ent  of  Parasit ology,  Faculty   of  Me dicine,   U niv e r sit as  Gadja h  Ma da,   were  use d  i n  this   stu dy .  The   dataset   co ns ist s  of  t hr ee   sta ge s  im ages,  na m el y  29   im ages  of  tr ophoz oi te s,  10  im ages  of  sc hizo nts  and  34   i m a ges  of g am et ocyt es stages , in  BM P  for m at  w it h  the  r e sol ution   of  1600 x1200 pi xels.    Firstl y,  ori gin a l  i m age  is  cr opped  into  2 50 x250  pi xels  in   Ro I  of  p a rasit e  ar ea  as d epict ed  in  Fig ure 3 .   The n,   c ontrast   stret chin g  is  a pp li ed   to  e nha nce  the   qual it y  of  Ro I  im age.  For  se gm entation   proces s,  R - ba nd   from   the  RGB   colo ur  m od el   a nd  S - ba nd  fro m   HS V  c olour   m od el   are   c hosen  since   they   hav e   the   best  qual it y  of   i ntensity .  A f te rw ar d,  each  of   t hem   is  filt e red   by  m edian  filt er  an d  com bin e d.   T o  obta in  the  pa rasit e  obj ect ,   Ots u  t hr e shold ing   f ollow e d  by  m or phol og i cal   op e rati on  are  c onduct ed   to  filt ered   im age.  The   sam ple  of   segm entat ion  re su lt  is prese nted  in  Fig ure  4.   Fo r  the  d et ai l p ro ces s  has bee n  e xp la ine d  i n  [7] .           (a)   (b)     Figure  3. (a ) O rigin al  im age (b) Ro I  im age  [7]         (a)     (b)     (c)         Figure  4. The  s egm entat ion  r e su lt  of  (a)  t rop ho z oites ( b) sc hizo nts a nd ( c )  g am et ocyt es stages  [ 7]       Hav i ng  ob ta in ed  t he  pa rasit e  ob j ect ,  t he  sha pe - base d  a nd   te xture - base d  featur e   e xtracti on  a re  t he n  cond ucted.   A  t otal  of   10   s ha pe - base d  fe at ur e s  are  extracte d  wh ic h  com pr is es  of   se ve n  co ntour - ba sed  fe at ur es  and  th ree   feat ures  of  i nv a riant   m o m ent.  The r e  are   se ve n  fea tures   of   in var ia nt  m o m ent  but   only   th ree   feat ur es  us e d  since   the f our   ot her s   obt ai n  0  val ue.  The  value   of  m ome nt  1  represe nts  the   centre   of  gra vity ,  the val ue  of   m o m ent  2  denotes  t he  sm oo thn e ss  a nd   the   3 - m om ent  value  re pr ese nts   the  a sym m et ry  of  inte ns it y.  F or  th e   te xtu re - ba sed   f eat ur es,   a  total   of  11  featu res  are  e xtracted  c on sist in g  of  si x  histogram - ba sed  featu res  a nd  fi ve  featur e s  of   G LCM .  The   s um m ary  of   21  extracte d  feat ures  is  desc ribe d  in   Ta ble   1.  Fu rt her m or e,   f eat ur e   sel ect ion   is  co nducted   to  ob t ai n  the  sig nific ant  featu res  ba sed  on   Wrap pe r  m et ho d.   Si x  sel ect ed  featu r es  are   per im et er,  dispe rsion,  m ean  of  inte ns it y,  A S M,  co ntrast  G LCM   an d  e ntr op y  GLCM.   T hese  e xtracte d  featur e s  are the n  cl assi f ie d  by  us i ng Naï ve  Ba ye s cla ssifie r base d o n 10 - f olds cr oss vali datio n.   To  e valuate   the  pro po se d  s chem e,  so m e  sta ti sti cal   par am et ers  are  in volve d  in cl udin g  acc ur acy ,   sensiti vity   and  sp eci fici ty   w hi ch  are  m at hem at ic ally  fo rm ulate d  from   (22)   t o  (24).  Ac cur acy   e xpress es  the   su ccess fu l   rate   of  cl as sific at ion  process .  Se ns it ivit y  is  a  c apab il it y  of  cl assifi er  t o  pre dict  posit ive   c la ss  as   po sit ive  whil e  sp eci fici ty  is a  capab il it y of cl assifi er to p re di ct  n egati ve  class as  negat ive.    In  this  w ork,  f our  ty pe s  of  cl a ssific at ion  ba sed  on  e xtracte d  featu res  a re  cond ucted.  T he y  are  s ha pe   featur e s,  te xtur e  feat ur es ,  s ha pe  a nd  te xtu re  f eat ur e s  a nd  se le ct ed  feat ur es .   Table   2 pr ese nts  the   c om par ison  of   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.   2 ,  Fe bru ary 2 019   :   721   –   72 8   7 26   cl assifi cat ion   r esult  of  these   f eat ur es.   As   de pi ct ed  in   Ta ble  2,  el ev en   t ext ur e   feat ur es   yi el d  the  l ow  cl assifi c at ion  rate  with   the   accuracy,   se nsi ti vity   and  s pe ci fici ty   of  94. 59%,   94. 6%   a nd  94.6%,   res pecti vely .  The   bette r   evaluati on  rate   is  gaine d  by  usi ng  10   sh a pe   featur e s  with  t he  acc uracy   of   97. 29%,   sen sit ivit y  of   97. 30%  an d  sp eci fici ty   of   97. 30%.  T he  sa m e  resu lt   is  no t  on ly   achie ve d  by  t he  21  fu l l  featur es  of  co m bin at ion   sh a pe  an d  te xtu re  f eat ur e s but also  is ac hieve d by six  s el ect ed  featu re s.       Table  1.  T he  r e su lt  of  featur e   extracti on   Sh ap e f eatu res   Textu re  f eatu res   Peri m e ter   Mean o f  inten sity   Area   Co n trast   Ro u n d n ess   Sk ewn ess   Sli m n ess   Energy   Co n v ex ity   Entro p y   So lid ity   S m o o th n ess   Disp ersio n   ASM   Mo m en t 1   IDM   Mo m en t 2   Co n trast GL CM   Mo m en t 3   Entro p y  G LCM     Co rr elatio n         =  +   +  +  +  100%   (22)        =   +  100%   (23)        =   +  100%   (24)       Table  2.  T he  c om par ison eval uation res ult  of extracte d feat ur es   Extracted f eatu res   Accurac y  ( %)   Sen sitiv ity  ( % )   Sp ecif icity   (% )   Sh ap e f eatu res ( 1 0 )   9 7 .29   9 7 .30   9 7 .30   Textu re  f eatu res  (11 )   9 4 .59   9 4 .60   9 4 .60   Sh ap e and  textu re  f eatu res ( 2 1 )   9 7 .29   9 7 .30   9 7 .30   Selecte d  featu re s  ( 6 )   9 7 .29   9 7 .30   9 7 .30       Althou gh  they   pro du ce d  t he  s a m e  value,  the  evaluati on  rate  by  us i ng  six   fe at ur es  is   bette r   than  t hat  of   the  f ull  feature s.  It  in dicat es  that  not  al l  of   t he   21   f ull  featu r es  m a y  sign ific antly   con tri bu t e  in  the  cl assifi cat ion   process .  M or e ov e r,  by   usi ng   a  sm al l  nu m ber   of  feat ur es ,  the  propose d  s chem e  is  sti ll   able  to   gain   th e  hi gh  accuracy,  sens it ivit y  and   sp e ci fici ty   even   m ay   red uce  t he   com pu ta ti on  tim e.  This  re su lt   ind ic at es  t hat  the  pro po se d  sche m e  su ccessf ully   ob ta in s  the   s ign ific a nt  feat ur es   f or  ide ntif y ing   a nd  cl assi fyi ng  the  sta ge   of  P.   vi vax   pa rasit e  on the  dig it al   m ic ro sco pic i m age of  thi n blood fil m s .       4.   CONCL US I O N   AND  F UT U RE W ORK   This  stu dy  pro po s es  a  sc hem e  to  cl assify   P.  vi vax   pa rasit e  on   dig it al   m ic r os c op ic   im age  of   t hin   bloo d  fil m s  into   th ree   sta ge s,   nam el y  tr ophozoite s,   s chizo nts  a nd   gam et ocyt es.  A   total   of   10   s hape - base d  feat ur e s  a nd   11  te xt ur e - ba s ed  featu res  a r e  extra ct ed  t o  facil it at e  the  cl assifi cat ion   process .  Feat ure  sel ect io n  ba sed  on  wr a pper  m et ho d  is  c onduct e d  to  gain   the  releva nt  featu r es  w hich  m ay  co ntribute   to  i m pr ove  the  r at e  of  cl assifi cat ion   r esult.    Six  sel ect e d  fe at ur es   co ns ist ing  of  pe rim et er ,  disp e rsion,   m ean  of  i ntensity ,  AS M,   co ntras t  GLCM  a nd   entr op y  GLC M  achieve   the   best  eval uatio n  rate  with  th e  accu racy  of  97.29% ,  se ns it ivi ty   of  97. 30 %  an d  sp eci fici ty   of  97. 30%.  T he  propose d  sc hem e   is  able  to   ide nt ify   and   cl assi f y  the  sta ge  of  P.  vi vax   pa rasi te   by  us in g  only   sig nificant   sel ect ed  featu res   res ul ti ng   in   t he  m or e  e ff ic ie nt   co m pu ta ti on   ti m e  du rin g  t he  pr ocess .   Hen ce ,  the  pro po s ed   sc hem e  has  a  po te ntial   to  be  im ple m ented  as  pa rt  of   t he  com pu t erised  ai ded   m al aria  diag nosis sy ste m  f or  assist in g t he  pa ram edics.   In  the   ne xt  in ve sti gation,  the   auth or s   c on si de r  m or e  data  w it h  the  bala nce d  pro portio n  in   each   cl ass  and  feat ur e  us a ge  in   or d er  t o  ga in  the  highe r  a ccur acy .   Th us,  the  pe rfo rm ance  of  pr opos e d  s chem e  can  be  m or e  convinci ng.     Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J  E le c   En g  &  Co m p  Sci     IS S N:  25 02 - 4752       Feature  an alys is f or  st ag e  ide ntif ic ation   of  pl as m od i um viv ax base d o n di gital …   ( H anung A di Nu groho )   727   ACKN OWLE DGE MENTS   This  proj ect   is  fun ded   by  Di re ct or at e  Ge ne ral  of   Highe r  E ducat ion ,  Mi nistr y  of   Re sea rch,  Tech no l ogy   and   Higher  E du cat io n,   Re public  of  I ndon esi a.  The  a uthors  woul d  li ke  to  than k  the  In te ll igence  S yst e m s   researc h gro up for  s ha rin g  m e anin gful  knowle dg e  and i nspir ing   disc us sio n.       REFERE NCE S   [1]   W .   H.  Organ isation .  " Mal aria:   Ke y   Fac ts ,"   2017 .   Avail ab le :   htt p :/ / ww w.who.i nt/ m edi a ce ntr e/ f ac tsh ee ts/ fs094/ en/   [2]   A.  A.  Nasir ,   M.   Mashor,  and  Z.  Moham ed,   "S egmenta ti on   base d   appr oa ch  for   de te c ti on  of   m al ar i a  par asit es  using   m oving  k - m ea ns  cl uster ing, "  in  2 012  IEE E   EM BS   Confe renc e  on   Bi omedi cal   Enginee ring  and  S cie nce s  ( IECB ES) ,  pp.   653 - 658 ,  20 12.   [3]   N.  A.  Kh an,   H.   Perva z ,   A.  K.   La tif,   and   A.  M usharra f,  "U nsupervise d  ide nt ifica t ion  of   m al ar i a  par asites  usin g   computer   vision , "  in  2014   11th  Inte rnational   Jo int   Conf ere nc e  on  Computer  Sc ie nc e  and  So ft w are  Engi n ee rin g   ( JCSSE ) ,   pp.   26 3 - 267,   2014 .   [4]   D.  Anggrai ni ,   A.  S.  Nugroho,   C.   Prata m a ,   I.  E.   Roz i,   V.  P rag esjva r a,   and  M.  Gunawan,   " Autom at ed  status  ide nti f icati on   of  m ic roscopic   ima ges  obta in ed  fro m   m al ari a  th in  b lood  sm ea rs  using  Ba y es  de ci sion :  a  stud y   ca se  in   Plasm odium  fal c ipa rum , "  in   2011   Inte rn at ional   C onf s ere nce  on  A dvanc ed   Comput er  Scienc e  and   In formation  Syst em   ( ICACSIS ) ,   pp.   3 47 - 352,   2011 .   [5]   C.   Di   Ruber to,  A.  Dem pster ,   S.   K han,  and   B.   Jarra ,   "M orphological  image   proc essing  for  evalua t ing  m al ari a   dise ase , "   in  Visual   Form   2001,   ed :  Spring e r ,   pp.   739 - 748 ,   2 001 .   [6]   H.  A.   Nugroho,  S.  A.  Akb ar,  and   E.  E .   H.  Murhan dar wati,  "F e at ur e  ex tracti on   and   cl assifi ca t ion  for   detec ti on  m a la r i a   par asites  in   th in   blood   sm ea r, "   i n  2015  2nd   In ter nati onal  Con fer enc e   on  In formation  Te chnol og y,  Computer,   an d  El e ct rica l  En g in ee ring ( ICITACEE ) ,   pp.   197 - 20 1 ,   2015 .   [7]   I.   M.   D.   Ma y sa njay a ,   H .   A .   Nu groho,   N.   A.   Set ia wan,  E .   E .   H .   Murhanda rwati,   T.  R.   Nuringt y a s,  R.   Roto ,   et  al . ,   "S egmenta ti on  o f  Plasm odium  viva x  phase   on  d i git al  m ic roscopi c  images  of  th in   blood  fil m s  using  col our  c h ann el   combinat ion   and   Otsu m et hod, "   i n  AIP Conf ere nc e  Proc ee d ings , p p .   160002 ,   2016 .   [8]   M. - K.  Hu,  "V is ual   p at t ern   r ec o gnit ion  b y   m om ent   inva ri ant s,"  I RE   transacti ons  on  inf orm ati on   t heory ,   vo l.  8,   pp .   179 - 187,   1962 .   [9]   B.   Chaudhur i,  N.  Sarka r,  and  P.   Kundu,  "Im prove d  fra ctal  g eometr y   b ase d  te xtu re  segm entati on   te chn ique , "   IE E   Proce ed ings E ( Computers and D igi tal   Te chni qu es) ,   vol.   140 ,   pp .   233 - 242,   1993.   [10]   R.   M.   Har al i ck   a nd  K.   Shanm uga m ,   "Te x tura l   f ea t ure s  for   image   c l assific a ti on, "   IE EE  Tr ansacti ons  on   systems,   m an,   and  cy b erne tics ,   vol.   SM C - 3,   pp.   610 - 621,   1973 .   [11]   M.  A.  Ha ll,  "Cor rel a ti on - base d   fe at ure   sel ec t ion  f or  m ac hine l ea rn ing , " T h e  Univ er sit y   of  W a ika to ,   1999.   [12]   G.  Naqvi,   "A   H y brid   Filt er - W ra pper   Approac h  f or  Feat ure   Selec ti on, "  Mast er  Th esis,   Departmen t  of  Techno logy ,  Örebro  Univer sit y ,   Sw ede n ,   2012 .   [13]   C.   M.   Bishop,   " Patt ern   re cogni t i on  and  m a chi ne   le arn ing ,"   New   York:  Springer ,   2006.   [14]   R.   O.   Duda ,   P.   E.  Hart ,   and  D.   G.  Stork,   "P at t er n  Cla ss ifica ti on  and  Sc ene  Anal y sis  Par t  1 :  Pa tt e rn  Cla ss ifica ti on , "   Wil e y ,   Chi ch ester,  2000 .       BIOGR AP HI ES OF  A UTH ORS       H.A.  Nugroho  complet ed  h is  bac he lor’s  degr ee   in   elec tri c al  engi ne eri ng   (2 001)  from   the   Univer sita s   Gadj ah  Mad a,  Yog y a kar ta,   Indone si a   and  m ast er’ s  d eg ree  in   biomed ic a l  engi ne eri ng   (2005)  from   The   Univ.   of  Que ensla nd,   Br isba ne,   Aus tra l ia.  In   2012,   he  r ecei ved  his  PhD   in  El e ct ri ca l   and   E l ec tron ic   Engi n eering  from   th e  U nive rsiti  T eknologi  Petron as  (UTP),  Mal a y s ia.  Curre ntly ,   he   is   an  As sistant  Profess or  and  a lso  a  Vi ce   H ea d   of  Depa r tm ent  of  E le c trica l   Engi ne eri ng  and   Inform at ion  Technol og y ,   Facult y   of  Eng ineeri ng,   Univer si ta s  Gadja h  Mad a  (UG M).  His  cu rre nt   rese arc h   i nte rests   in cl ude   biomedi cal   sig nal  and   imag e   proc essing  and   ana l y sis,   comput er  vision ,   m edic al   instrumenta t io n  and  p atter n  recognit ion.         I  Md.  Dend i  Ma y sanj a y a   co m ple te d  h is  Ba che lor   degr ee  i n  Educat ion al  of  informatics  engi ne eri ng,   Uni ver sita s   Pendidikan  Gan esha   (20 12)  and   h is  Mast er  d egr e e   in   th e   Depa rtment   of   El e ct ri ca l   Eng in ee ring   and   Infor m at ion  T ec hno l og y   (2015)  from   the  Univer si ta s  Gadja h  Mad a,   Yog y ak art a ,   Ind onesia .   Curre nt l y ,   he   is  a   lectur er  a t  th e  Dep artm ent   of  Inform a ti cs  Edu cation,  Facul t y   of Engin ee r ing   and   Voca ti on,   Univer sit as  Pendidi k an  Gan esha ,   Indone sia .         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.   2 ,  Fe bru ary 2 019   :   721   –   72 8   728     N.A.  Setiawan  complet ed   his  b ac he lor’s   degr ee  and  m aste r ’s  d egr ee  in   elec tr ical  engi ne eri ng   (1998)  from   the  Univer sita s   Gadj ah  Mad a ,   Yog y a kar ta,   Indone si a.  In   2009,   h e   re c ei ved   his   PhD   in  E le c trica l   and   El e ct roni c  Engi n ee ring   from   the  Univer siti   Te kno logi   Pe trona s  (U TP),   Mal a y s ia.  Curre ntly ,   he   i s  an   As sistant  Profess or  at  th e  Dep art m ent  of  E lectr i ca l   E ngine er ing   and   Inform at ion  T echn olog y ,   Fa cul t y   of   Engi n ee r ing ,   Univer si ta s  Ga dja h  Mad a  (UG M).  His  cur ren t  rese arc h   int er est s  include   compu ta ti on al  in te l li g e nce ,   soft   computing  m ac h ine  l ea r ning,  elec tri c al   engi ne eri ng,   and   biomedical   enginee ring .         E. E . H.   Murhand arwa ti  comple ted  her   b a che lor’s   degr ee  (1993)  and  m aste r’s   de gre e   (1996)  in  Facul t y   of   Medi ci ne ,   Univer sit as  Gadj ah   Mada .   I n  2011,   she   r ec e i ved  h er   PhD   in   Medic a l  Sc ie n ce  Monash  Univer s ity .   Curre n tly ,   s he  is   a   L ecture r   in   th e  Dep art m ent   o f  Par asit olo g y ,   Fa cul t y   of  Medic in e,  Unive rsita s Gadj ah  M ada   (UG M).  H er   rese a rch   intere st   is t rop ical  m edicine.         W . K.Z .   Okto e ber za  comple t ed  her   ba chelor’s  degr e e  i n  informatics   (2012)  from   the   Univer si ta s  Bengkul u  and  h er  m aste r’s  deg ree   in  elec tr ical   engi ne eri ng   (2 015)  from   the   Univer sita s   Gad ja h   Mada ,   Yog y ak arta,  Indone s ia .   Curr ent l y ,   s he  works   as  a  Le c ture r   a t  the  Depa rtment  o f  I nform at ic s,   Facu lty   of   Engi n ee r in g,   Univer si ta s B engkul u,   Indone sia.         Evaluation Warning : The document was created with Spire.PDF for Python.