KLASIFIKASI NODUL PAYUDARA PADA CITRA ULTRASONOGRAFI BERDASARKAN FITUR POSTERIOR

TIANUR, Hanung Adi Nugroho, S.T., M.E., Ph.D ; Dr.Eng. Igi Ardiyanto, S.T., M.Eng

2017 | Tesis | S2 Teknik Elektro

Pemeriksaan USG merupakan salah satu cara yang paling sering digunakan untuk skrining kanker payudara namun hasilnya sangat subjektif. Oleh karena itu, diperlukan suatu sistem yang mampu mendiagnosa keganasan kanker payudara dari berbagai parameter, salah satunya parameter posterior. Ciri posterior yang digunakan ada tiga kelas yaitu posterior enhancement, posterior shadow dan no feature. Dalam beberapa kasus posterior, ciri dari posterior shadow dan no feature memiliki karakteristik yang sangat mirip. Hal ini membuat para ahli radiologi menilai berbeda. Penelitian ini mengusulkan metode sederhana yaitu dengan mengekstraksi arean yang diduga memiliki ciri posterior dan ciri latar belakang. Dataset yang digunakan terdiri atas 121 citra USG payudara yang dikelompokan menjadi 84 kasus posterior enhancement, 16 kasus posterior shadow , dan 21 kasus no feature. Tahap awal, pra pengolahan citra nodul kanker payudara dimulai dengan mem-filter citra yang telah di-crop menggunakan adaptive median filter dan SRAD filter. Pra pengolahan citra USG payudara dilakukan untuk menghilangkan noise, marker dan label. Kemudian melakukan proses segmentasi menggunakan metode neutrosopic watershed. Citra hasil segmentasi di ekstraksi ciri dengan cara pengambilan nilai rata-rata intensitas dari area bawah nodul citra dengan metode mean comparison dan metode block difference. Akhirnya melakukan klasifikasi menggunakan Multilayer Perceptron (MLP). Metode yang digunakan dalam pemrosesan citra sudah menunjukkan hasil yang cukup baik. Hasil akhir setelah seleksi ciri menunjukkan bahwa akurasi pada proses klasifikasi mencapai 89,53%. Indikasi ini menunjukkan bahwa proses klasifikasi dapat berjalan dengan baik.

USG check-up is a common way for breast cancer screening, but the result is highly subjective on the operator. Therefore, a system capable to diagnose breast cancer is necessary. The severity of breast cancer could be described from several features. One of feature is acoustic posterior patterns. This features categorized into four classes which are, enhancement, shadow , combined pattern, and no feature. In some cases posterior enhancement, posterior shadow or no features have similarities. This matter made radiologists perceive nodule differently. This thesis proposes simple method by extracting area suspected to have posterior features and background features. The dataset consists of 121 breast USG images which classified into 84 posterior enhancement cases, 16 posterior shadow and 21 no-feature cases. Firstly, a pre-processing of breast USG images was done to eliminate speckle noise, marker, and label. Subsequently, segmentation was done using neutrosopic method then followed by extracting posterior area and its background. Feature extraction was done on both images using mean comparison method and block difference method. Finally, classification was done using Multilayer Perceptron (MLP). The final result after feature selection showed the proposed method has maximum classification success rate about 89,53%. This indicates analysis on breast USG images were done well.

Kata Kunci : Citra USG; posterior features; adaptive median filter; SRAD filter; neutrosopic watershed; main comparison; block difference; MLP