ANALISIS TEKSTUR UNTUK DISKRIMINASI MASSA KISTIK DAN NON-KISTIK PADA CITRA ULTRASONOGRAFI

Hari Wibawanto, Drs.MT., Prof. Adhi Susanto, M.Sc., Ph.D.,

2011 | Disertasi | S3 Teknik Elektro

Penentuan massa kistik dan massa non-kistik pada citra hasil pemindaian ultrasonografi merupakan tahapan penting dalam diagnosis keberadaan massa dalam tubuh manusia. Saat ini, tahapan diagnostik ini merupakan tugas dokter atau radiolog. Faktor-faktor manusiawi, misalnya kelelahan fisik, dapat menyebabkan pengambilan keputusan yang salah berdasar interpretasi atas citra yang dilihatnya. Riset ini dilakukan sebagai upaya untuk membantu para ahli dengan pengenalan citra massa kistik dan massa non-kistik berbasis komputer. Sebanyak 127 (seratus dua puluh tujuh) citra berukuran 21x21 piksel, 82 (delapan puluh dua) citra berukuran 35x35 piksel, dan 78 (tujuh puluh delapan) citra berukuran 50x50 piksel diambil sebagai sampel. Masing-masing citra sampel ditransformasi menjadi matriks grey-level run-length (GLRL) dan matriks greylevel co-occurrence (GLC). Sebanyak 11 (sebelas) fitur yang diekstrak dari matriks GLRL dan 8 (delapan) fitur yang diekstrak dari matriks GLC, sehingga secara keseluruhan terdapat 19 (sembilan belas) fitur. Kemampuan fitur-fitur membedakan massa kistik dan massa non-kistik dianalisis dengan menggunakan analisis diskriminan dengan SPSS versi 11.5. Hasil penelitian menunjukkan bahwa akurasi pembedaan massa kistik dan massa non-kistik adalah 87,3%, 91,5%, dan 94,9% masing-masing untuk citra berukuran 21x21 piksel, 35x35 piksel, dan 50x50 piksel. Analisis tingkat akurasi yang dilakukan dengan menghitung area di bawah receiver operating curve (ROC) menunjukkan luas daerah di bawah ROC untuk citra berukuran 21x21 piksel adalah 0,863 sedangkan untuk citra berukuran 35x35 piksel dan 50x50 piksel masing-masing adalah 0,971 dan 0,995. Berdasar data-data hasil penelitian tersebut dapat disimpulkan bahwa analisis tekstur berbasis matriks GLC dan GLRL dapat digunakan untuk membedakan massa kistik dan massa non-kistik dengan tingkat akurasi antara 87,3% - 94,9%. Semakin besar ukuran daerah yang diminati, semakin tinggi tingkat akurasi diskriminasinya.

An effort to identify cystic as well noncystic masses in ultrasound images, in which 38 samples were of size 21x21 pixels cystic and 89 noncystic, 30 were of size 35x35 pixels cystic and 52 noncystic and 23 were of size 50x50 pixels cystic and 55 noncystic were taken. Each image was tranformed into a grey-level run-length matrix and a greylevel co-occurrence matrix, where 11 and 8 features were extracted, respectively. The merit of these feature in distinguishing the cystic masses from non-cystic ones was tested based on discriminant analysis, using the statistical software package SPSS version 11.5 The results show that an accuracy of 87.3% for 21x21, 91.5% for 35x35, and 94.9% for 50x50 pixels. Further analysis showed that AUROC (Area Under the Receiver Operating Curve) are 0.863, 0.971, and 0,995 for 21x21, 35x35, and 50x50 pixel images, respectively, which confirm that the cystic mass identification scheme has performed sufficiently well. Based on that results, it concluded that texture analysis based-on features extracted from GLC and GLRL matrices can be used to discriminate cystic masses and non-cystic masses with an accuracy from 87,3% to 94,9% depend on size of ROI. Larger ROI resulting in higher accuracy.

Kata Kunci : massa kistik, massa non-kistik, analisis tekstur, matriks grey-level run length, matriks grey-level co-occurrence