Jumlah sel betaBeta-cell count
Nβ (selcells)
Banyaknya sel beta yang terdeteksi di dalam pulau Langerhans.
The number of beta cells detected inside the islet.
IPB-BetaSeg adalah alat deep learning berbiaya rendah untuk menghitung sel beta dan mengukur luas pulau Langerhans pada pankreas tikus dengan pewarnaan imunohistokimia insulin (DAB).
IPB-BetaSeg is a low-cost deep learning tool for counting beta cells and measuring islet of Langerhans area in rat pancreas stained by insulin immunohistochemistry (DAB).
Hanya untuk penelitian. IPB-BetaSeg bukan alat diagnostik klinis. For research use only. IPB-BetaSeg is not a clinical diagnostic tool.
Jumlah sel beta dan luas pulau Langerhans adalah ukuran yang sering dipakai dalam penelitian diabetes pada hewan coba. Menghitungnya secara manual pada sediaan histologi memakan waktu dan hasilnya dapat berbeda antar-pengamat.
Beta-cell number and islet area are common measurements in diabetes research on animal models. Counting them by hand on histological sections takes time, and results can vary between observers.
IPB-BetaSeg bekerja dari foto JPG kamera mikroskop laboratorium dan dibangun dengan perangkat lunak sumber terbuka: QuPath untuk anotasi dan StarDist untuk model deep learning.
IPB-BetaSeg works from JPG photos taken with a laboratory microscope camera and is built on open-source software: QuPath for annotation and StarDist for the deep learning model.
Sediaan pankreas tikus dengan IHK insulin (DAB) difoto dengan kamera mikroskop lab dan disimpan sebagai JPG. Perbesaran: [PERBESARAN OBJEKTIF].
Rat pancreas sections with insulin IHC (DAB) are photographed with a lab microscope camera and saved as JPG. Magnification: [PERBESARAN OBJEKTIF].
Setiap sel beta ditandai dengan titik, dan batas pulau Langerhans digambar sebagai poligon.
Each beta cell is marked with a point, and the islet boundary is drawn as a polygon.
Anotasi dipakai untuk melatih model berbasis StarDist, yang kemudian menganalisis foto baru secara otomatis.
The annotations are used to train a StarDist-based model, which then analyses new photos automatically.
Jumlah sel beta, luas pulau, densitas sel beta, dan Beta Cell Fraction untuk setiap foto.
Beta-cell count, islet area, beta-cell density and Beta Cell Fraction for each photo.
Detail pelatihan model: [ARSITEKTUR DAN PARAMETER PELATIHAN]. Versi perangkat lunak: QuPath [VERSI QUPATH], StarDist [VERSI STARDIST].
Model training details: [ARSITEKTUR DAN PARAMETER PELATIHAN]. Software versions: QuPath [VERSI QUPATH], StarDist [VERSI STARDIST].
Empat ukuran dihitung untuk setiap foto.
Four measurements are calculated for each photo.
Nβ (selcells)
Banyaknya sel beta yang terdeteksi di dalam pulau Langerhans.
The number of beta cells detected inside the islet.
Aislet (µm²)
Luas daerah di dalam batas pulau. Memerlukan kalibrasi skala piksel: [SKALA µm/PIKSEL].
The area inside the islet boundary. Requires pixel-scale calibration: [SKALA µm/PIKSEL].
Nβ ÷ Aislet (selcells/µm²)
Jumlah sel beta per satuan luas pulau.
Beta-cell count per unit of islet area.
ADAB+ ÷ Aislet × 100 (%)
Luas daerah DAB-positif dibagi luas pulau, dalam persen.
DAB-positive area divided by islet area, as a percentage.
Aplikasi demo berjalan di Hugging Face Spaces. Unggah foto, lalu lihat hasil penghitungannya.
The demo app runs on Hugging Face Spaces. Upload a photo and view the measurements.
Demo belum ditautkan: [LINK SPACES] dan [LINK EMBED SPACES] belum diisi. The demo is not linked yet: [LINK SPACES] and [LINK EMBED SPACES] have not been filled in.
Catatan privasi: [Gambar Tidak Disimpan] Privacy note: [Gambar Tidak Disimpan]
Disclaimer: hanya untuk penelitian, bukan alat diagnostik klinis. Hasil tidak boleh dipakai untuk keputusan medis. Disclaimer: for research use only, not a clinical diagnostic tool. Results must not be used for medical decisions.
Angka kinerja akan ditampilkan setelah validasi selesai.
Performance figures will be shown once validation is complete.
| TugasTask | MetrikMetric | NilaiValue |
|---|---|---|
| Deteksi sel betaBeta-cell detection | Precision | [AKAN DIISI SETELAH VALIDASI] |
| Recall | [AKAN DIISI SETELAH VALIDASI] | |
| F1 | [AKAN DIISI SETELAH VALIDASI] | |
| Segmentasi pulauIslet segmentation | IoU | [AKAN DIISI SETELAH VALIDASI] |
| Dice | [AKAN DIISI SETELAH VALIDASI] | |
| Kesesuaian dengan hitung manualAgreement with manual counting | [METRIK KESESUAIAN] | [AKAN DIISI SETELAH VALIDASI] |
Metode validasi: [RANCANGAN VALIDASI DAN JUMLAH PENGAMAT].
Validation method: [RANCANGAN VALIDASI DAN JUMLAH PENGAMAT].
Peneliti utamaPrincipal investigator
Histologi dan Biomedis, IPB UniversityHistology and Biomedicine, IPB University
Ko-penelitiCo-investigator
[AFILIASI PROF. TUTIK]
Mitra ilmu komputerComputer science partner
[AFILIASI DR. TOTO]
Penelitian ini didanai oleh Riset Unggulan Institut Pertanian Bogor skema Dosen Muda Reguler atas nama Dr. Hamzah Alfarisi, tahun [TAHUN PENDANAAN], nomor kontrak [NOMOR KONTRAK].
This research is funded by Riset Unggulan Institut Pertanian Bogor (IPB University flagship research programme), Dosen Muda Reguler scheme, awarded to Dr. Hamzah Alfarisi, year [TAHUN PENDANAAN], contract number [NOMOR KONTRAK].
LisensiLicence: [LISENSI KODE]
VersiVersion: [VERSI]
[JUDUL ARTIKEL, JURNAL, TAHUN, DOI]
[STATUS PUBLIKASI]
Jika Anda memakai IPB-BetaSeg dalam penelitian, mohon kutip sebagai berikut.
If you use IPB-BetaSeg in your research, please cite it as follows.
Alfarisi H, Wresdiyati T, Haryanto T. [TAHUN]. IPB-BetaSeg: a low-cost deep learning tool for pancreatic beta-cell counting and islet area measurement in insulin-immunostained (DAB) rat pancreas. Version [VERSI]. Zenodo. https://doi.org/[DOI ZENODO]
@software{ipbbetaseg,
author = {Alfarisi, Hamzah and Wresdiyati, Tutik and Haryanto, Toto},
title = {IPB-BetaSeg: a low-cost deep learning tool for pancreatic
beta-cell counting and islet area measurement in
insulin-immunostained (DAB) rat pancreas},
year = {[TAHUN]},
version = {[VERSI]},
publisher = {Zenodo},
doi = {[DOI ZENODO]},
url = {https://ipbbetaseg.id/}
}
Pertanyaan, kerja sama, atau laporan masalah dapat dikirim lewat email.
Questions, collaboration requests and issue reports are welcome by email.
Dr. Hamzah Alfarisi, Histologi dan Biomedis, IPB University, Bogor, Indonesia.
[ALAMAT LENGKAP]
Dr. Hamzah Alfarisi, Histology and Biomedicine, IPB University, Bogor, Indonesia.
[ALAMAT LENGKAP]