Sistem pengenalan pola citra USG untuk mengidentivikasi jenis kangker berbasis jaringan syaraf tiruan

HARDOYONO, Fajar, Dr. Kuwat Triyana, M.Si

2008 | Tesis | S2 Ilmu Fisika

Pencitraan USG dilakukan dengan memancarkan gelombang ultrasonik ke dalam jaringan tubuh untuk menghasilkan gambaran dua dimensi yang menjadi parameter bagi dokter radiologi dalam proses diagnosis pasien. Salah satu penggunaan citra USG adalah untuk mengidentifikasi munculnya sel abnormal dalam jaringan payudara. Munculnya sel abnormal ini ditandai dengan adanya lesi patologis pada citra USG yang memiliki pola-pola yang berbeda untuk tiap kelainan. Dokter radiologi mendiagnosis kelainan yang dimiliki pada jaringan payudara pasien dengan melihat pola-pola lesi patologis yang muncul pada citra USG. Selama ini proses diagnosis masih bersifat manual dan sangat tergantung pada kepakaran dokter radiologi, padahal jumlah pasien penderita kanker semakin meningkat, sehingga perlu adanya metode alternatif dalam proses diagnosis pasien. Pada tesis ini disajikan metode pengenalan pola citra USG untuk proses identifikasi jenis kanker berbasis jaringan syaraf tiruan propagasi balik. Jenis kanker yang diidentifikasi adalah kista, massa padat jinak (fibroadenoma mammae), massa padat ganas (maligna) dan jaringan normal sebagai pembanding. Arsitektur jaringan syaraf tiruan yang digunakan menggunakan tiga lapisan dengan komposisi 8 simpul neuron pada lapisan masukan, 12 simpul neuron pada lapisan tersembunyi, dan 4 simpul neuron pada lapisan keluaran dengan fungsi aktivasi sigmoid pada semua lapisannya. Setiap citra dari proses ultrasonografi dipindai dan disimpan dalam bentuk file citra digital berekstensi bitmap (*.bmp) dengan ukuran piksel 512x256. Ekstraksi ciri lesi patologis menggunakan histogram citra. Setiap histogram mewakili spektrum distribusi cacah piksel untuk nilai piksel 0-255. Distribusi piksel yang muncul kemudian dikelompokkan menjadi 8 klaster, yaitu akumulasi distribusi cacah (1) 0-31, (2) 32-63, (3) 64-95, (4) 96-127, (5) 128-159, (6)160-191, (7) 192-223, (8) 224-255 untuk menghasilkan delapan data numerik yang mewakili karakteristik dari sampel yang diamati. Setelah melalui tahapan normalisasi, delapan data numerik inilah yang akan menjadi sinyal masukan dalam proses pelatihan dan pengujian jaringan syaraf tiruan. Dengan menggunakan batas toleransi error 0.0001, kecepatan belajar 1,00, dan momentum 1,00 dilakukan proses pelatihan untuk memperoleh bobot yang paling sesuai untuk digunakan dalam proses pengujian. Setelah dilakukan serangkaian proses pelatihan dan pengujian, sistem yang dirancang dalam penelitian ini mampu untuk mengenali dan mengidentifikasi 24 citra warna dan 28 citra aras keabuan sesuai dengan karakteristik masing-masing citra dengan tingkat akurasi 100 %.

USG imaging is implemented by transmitting ultrasonic wave in the human tissues yields two dimensions image that become a parameter for doctor of radiology in diagnosing process. USG imaging is also used for identifiying of abnormal cell appearance in breast tissues. The abnormal cell is notified by patologic lesion appearance in USG image which has different pattern for each abnormality. Doctor of radiology diagnoses abnormality in patient’s breast tissues by looking at patologic lesion pattern in USG image. Up to now, the diagnosing process is still manual and depends on the expert. However, patients of breast cancer increase. So that it needs an alternative method in diagnosing process. In this thesis, it will be presented the USG image pattern recognition for breast cancer identification by making use back propagation artificial neural network. Types of breast cancer recognition are cyst, non malignant solid mass (fibroadenoma mammae / fam), malignant solid mass, and normal tissues as comparator. The artificial neural network architecture is designed in three layers. It is composted 8 nodes in input layer, 12 nodes in hidden layer and 4 nodes in output layer, by using of sigmoid activation function in all of layers. Each of image from ultrasonography process is scanned and stored in the digital bitmap file (*.bmp) with 512x256 pixels square. The method of pathologic lesion extraction use image histogram. Each of image histogram describes specta of distribution 0-255 pixel values. The spectra appearance of 0-255 pixel values are grouped in 8 clusters, those are accumulation pixel values of (1) 0-31, (2) 32- 63, (3) 64-95, (4) 96-127, (5) 128-159, (6)160-191, (7) 192-223, (8) 224-255 yield 8 numerical data which are represented the character of observation sample. Having passed normalization, eights of numerical data will be artificial neural network input signal in training and testing process. Then, the system is trained by using error tolerance = 0,0001, learning rate = 1,00, and momentum rate = 1,00 to reach the most appropriate weights for testing process, By passing training and testing set, the implemented system in this research is successful for knowing and identifying 24 colour images and 28 gray scale images compatible with each proper characterises with 100 % accuration level.

Kata Kunci : Pengenaan pola,USG,Jaringan syaraf tirun propagasi balik,Pattern recognition,back propagation artificial neural network