ABSTRAK
Analisis citra kromosom dengan sistem kariotipe otomatis (AKS) sangat penting untuk diagnosis dan prognosis keganasan hematologi dan kelainan genetik. Namun, oklusi parsial atau lengkap dari struktur kromosom nonrigid secara signifikan membatasi kinerja AKS. Untuk mengatasi tantangan ini, makalah ini memperluas model jaringan adversarial generatif (GAN) Pix2Pix untuk pertama kalinya untuk melakukan segmentasi kromosom yang tumpang tindih dan bersentuhan. Kumpulan data baru yang tersedia untuk umum dari citra kromosom metafase pita-G telah disiapkan khusus untuk penelitian ini, yang menandai penggunaan pertama metode berbasis GAN pada data tersebut, karena penelitian sebelumnya telah dibatasi pada kumpulan data citra FISH. Sebuah studi perbandingan komprehensif dari fungsi objektif GAN Pix2Pix—termasuk kerugian entropi silang biner (BCE) dengan dan tanpa logit, kerugian Tversky, kerugian Tversky fokal (FT) dengan nilai gamma yang berbeda, dan kerugian Dice—telah dilakukan. Untuk mengatasi ketidakseimbangan kelas dan tantangan segmentasi, fungsi kerugian kustom yang menggabungkan BCE dengan logit, kerugian Tversky, dan kerugian L1 diperkenalkan, yang menghasilkan kinerja yang unggul. Lebih jauh, validasi silang 5 kali lipat dilakukan untuk mengevaluasi stabilitas dan kinerja model. Lima model teratas dari studi perbandingan diuji pada kumpulan data yang sama sekali tidak terlihat, dan kinerjanya divisualisasikan menggunakan diagram kotak. Model yang diusulkan menunjukkan kinerja segmentasi terbaik, dengan Intersection over Union (IoU) sebesar 0,9247, koefisien Dice sebesar 0,9596, dan recall sebesar 0,9687. Hasil tersebut memvalidasi kekokohan dan efektivitas pendekatan yang diusulkan untuk mengatasi segmentasi kromosom yang tumpang tindih dan bersentuhan dalam AKS.