METODE SEGMENTASI PARU-PARU DAN JANTUNG PADA CITRA X-RAY THORAX

Ainatul Mardhiyah, Drs. Agus Harjoko, M.Sc., Ph.D

2012 | Tesis | S2 Ilmu Komputer

Segmentasi citra merupakan salah satu tahapan dalam pengolahan citra yang penting, terutama dalam dunia medis. Apabila seorang dokter atau ahli radiologi salah dalam melakukan proses pembacaan citra maka akan berpengaruh terhadap diagnosa suatu penyakit. Penelitian ini menggunakan citra x-ray thorax dalam melakukan proses segmentasi. Akuisisi citra merupakan tahap awal yang dilakukan dalam pengambilan data citra, selanjutnya citra masukan tersebut diubah menjadi ukuran 256x256 piksel. Agar segmentasi berjalan dengan maksimal citra tersebut perlu dilakukan proses awal (preprocessing) yaitu dengan menggunakan metode Gaussian Lowpass Filter. Selanjutnya citra hasil preprocessing dikelompokkan menggunakan metode K-means Clustering dimana pengelompokan tersebut dilakukan berdasarkan perbedaan nilai piksel pada citra. Hasil dari pengelompokan tersebut membentuk objek paru-paru. Selanjutnya dilakukan segmentasi dengan menggunakan metode Geometric Active Contour. Pada metode ini, kurva akan mengempis kedalam atau mengembang keluar sesuai dengan bentuk tepi luar dari paru-paru. Segmentasi jantung menggunakan metode Template Matching dikarenakan dengan menggunakan K-means Clustering dengan K = 2, objek jantung belum bisa tersegmentasi. Penelitian ini menghasilkan kesimpulan bahwa K-means Clustering dan Geometric Active Contour dapat untuk mensegmentasi paru-paru pada citra x-ray thorax. Sedangkan untuk segmentasi jantung dengan menggunakan metode Template Matching. Ujicoba sistem dilakukan dengan metode ROC (Receiver Operating Characteristic), dari 40 data citra x-ray thorax menggunakan metode K-means Clustering untuk K=2 dan Geometric Active Contour sistem dapat mensegmentasi paru-paru kiri dengan prosentase akurasi 90.03%, sensitifitas 62.05% dan spesifitas 94.62%. Paru-paru kanan dengan prosentase akurasi 88.35%, sensitifitas 63.71%, dan spesifitas 93.48%. Segmentasi jantung dengan Template Matching didapatkan presentase akurasi 94.33%, sensitifitas 64.65%, dan spesifitas 98.13%.

Image segmentation is an important technology for image processing, especially in the medical world. If a doctor or radiologist doing wrong in the process of reading the image it will affect the diagnosis of a disease. This study uses x-ray image of the thorax in the segmentation process. Image acquisition is performed in the early stages of retrieval of image data, then the input image is converted into a size of 256x256 pixels. In order to walk with a maximum image segmentation is necessary to start the process (preprocessing) using Gaussian Lowpass Filter method. Further image preprocessing results are grouped using K-means Clustering method in which the grouping is done based on the difference in pixel values in the image. The results of these groupings form the object of the lungs and heart. The last process in this study is performed segmentation using Geometric Active Contour method. In this method, the curve will deflate into accordance with the form the outer edge of the lung and heart. The conclusion that the K-means Clustering and Geometric Active Contour can be to segment the lungs and heart on x-ray image of the thorax. Tests performed by the method of system ROC (Receiver Operating Characteristic), from 40 x-ray image using K-means Clustering with K = 2 and Geometric Active Contour system can segment the left lung, with a percentage accuracy of 90.03%, sensitivity 62.05%, and spesifity 94.62%. Right lung, with a percentage accuracy of 88.35%, sensitivity 63.71%, and spesifity 93.48%. Heart segmentation using Template Matching system can segment the heart, with a percentage accuracy of 94.33%, sensitivity 64.65%, and spesifity 98.13%.

Kata Kunci : Segmentasi, X-ray Thorax, K-means Clustering, Geometric Active Contour, Template Matching