IDENTIFIKASI CITRA OTAK MRI BERBASIS LOGIKA FUZZY TEROPTIMASI DAN EIGENBRAIN IMAGE

INDAH SOESANTI, S.T., M.T., Prof. Adhi Susanto, M.Sc., Ph.D.

2011 | Disertasi | S3 Teknik Elektro

Peralatan modern di bidang medis dalam bentuk pencitraan telah banyak mendukung langkah diagnosis pasien. Informasi medis yang sangat berharga secara alami tidak mudah untuk dilihat secara langsung. Pernyataan mengenai apa, di mana, dan seberapa besar intensitas informasi medis tersebut dapat dibantu penyelesaiannya dengan prosedur pengolahan citra yang tepat. Salah satu pengolahan citra yang potensial ini adalah metode segmentasi tak terbimbing asas logika fuzzy teroptimasi, yakni Fuzzy C-Means (FCM) clustering. Pada langkah awal penelitian ini dilakukan segmentasi adaptif terhadap citra otak MRI berbasis FCM termodifikasi dengan informasi spasial. Hasil yang didapat sekaligus menunjukkan bahwa permasalahan derau yang ada dapat ditangani dengan baik. Langkah ini dilanjutkan dengan ekstraksi ciri khusus berbasis eigenbrain image. Pada langkah akhir, jarak terdekat antara nilai eigenbrain citra referensi dengan citra uji, digunakan untuk mengidentifikasi citra hasil segmentasi sesuai dengan sudut pandang dari sisi medis. Hasil identifikasi citra otak MRI dapat mencapai ketepatan 100% dengan diagnosis secara medis. Identifikasi ini berhasil dilakukan untuk ukuran citra yang terus menurun dari 256 x 256 hingga 64 x 64 piksel.

Medical modern devices in imaging have supported medical patient diagnosis. The important medical information could not naturally visible. The statements about what, where, and how much the medical information intensity, can be achieved by using the appropriate image processing procedures. One of the potential procedures is the unsupervised segmentation method based on optimized fuzzy logic. This is the Fuzzy C-Means (FCM) clustering. In the first step, the appropriate adaptive segmentation for the MRI brain images based on modified FCM clustering with the spatial information was introduced. The results indicated that the noise problems have been handled sufficiently. After the segmentation step was achieved, then, the special feature extraction based on the eigenbrain image was done. In the final step, the nearest distance eigenbrain between reference image and test image was used to identify the segmented images from the medical field point of view. The results of MRI brain image identification conformed 100% with the medical diagnosis, for reduced image sizes from 256x256 to 64x64 pixels.

Kata Kunci : identifikasi citra otak MRI, segmentasi citra, logika fuzzy teroptimasi, FCM termodifikasi, eigenbrain image