Evaluasi feature citra termografi kanker payudara dengan metode fraktal

ALAM, Wa Ode Siti Nur, Prof. Dr. Ir. Thomas Sri Widodo, DEA

2010 | Tesis | S2 Teknik Elektro

Kanker payudara adalah salah satu jenis penyakit yang mematikan khususnya bagi kaum wanita. Berdasarkan data pada Sistem Informasi Rumah Sakit (SIRS) 2007, kejadian kanker payudara sebanyak 16,85% lebih tinggi daripada kanker leher rahim yaitu11,78 %. Kanker payudara juga menduduki tempat pertama di Amerika sebagai jenis kanker terbanyak pada wanita. Penentuan stadium kanker payudara adalah sangat penting karena berdasarkan stadium tersebut, seorang dokter akan menentukan terapi yang paling tepat untuk penderita kanker payudara. Tujuan utama penelitian ini adalah mengevaluasi fitur fraktal untuk diagnosis stadium kanker payudara. Penelitian ini menggunakan 12 eksemplar citra termal yang sudah diketahui stadiumnya dan citra tersebut diberi derau. Tahapan-tahapan pengolahan citra yaitu konversi citra RGB ke citra grayscale, pengubahan kontras, cropping obyek kanker, proses binerisasi, menghitung dimensi fraktal. Pada penelitian ini juga dilakukan klasifikasi dengan jaringan saraf tiruan back propagation. Hasil penelitian menunjukan bahwa fitur fraktal sangat baik digunakan untuk diagnosis/klasifikasi stadium kanker payudara pada citra termografi. Hasil klasifikasi dengan jaringan saraf back propagation memberikan akurasi paling baik yaitu 100% dalam mengklasifikasikan fitur citra (berderau dan tak berderau) ke dalam stadium kanker yang sesuai. Hasil klasifikasi pada citra berderau terjadi pada SNR tertinggi.

Breast cancer is one kind of deadly diseases specially for women. Based on data of SIRS (Sistem Informasi Rumah Sakit) 2007, the percentage of breast cancer patients is 16,85% higher than serviks cancer which is 11,78%. Breast cancer become the first threat in America (suaramerdeka.com). Determinating breast cancer stage is very important for a doctor to determinate the best theraphy on a patient. The main aim of this research is to evaluate fractal feature for diagnosing breast cancer stages. This research used 12 sheets thermal images which known stages and with added noise. The processing of image steps are: creating grayscale images, contrast adjustment, cancer object cropping, black and white image converting, then counting the fractal dimension of the images. This research develops a Back Propagation neural networks to classify breast cancer stages base on the images fractal dimension. The result of this research shows that the fractal feature is very good for diagnosing/classifying breast cancer stages on thermography image. By using back propagation, it gave best classification accuracy of about 100% on image (with and without noise). The result occured for noisy image on the highest SNR.

Kata Kunci : Kanker payudara,Dimensi fraktal,Box counting