ANALYSIS OF DIGITAL MAMMOGRAMS FOR DETECTION OF BREAST CANCER

Faisal, Hanung Adi Nugroho S.T., M.E., Ph.D.

2014 | Tesis | S2 Teknik Elektro

Mammogram merupakan metode yang paling efektif dalam deteksi dini kanker payudara. Massa tumor merupakan kelainan yang paling sering ditemui sebagai tanda awal kanker payudara. Tantangannya terletak pada keakuratan mendeteksi kelainan tersebut sehingga perkembangan terjadinya kanker payudara dapat diatasi, khususnya yang terjadi pada wanita di seluruh dunia. Computer Aided Diagnosis (CAD) digunakan untuk membantu radiolog dalam menginterpretasikan dan mengenali citra mammogram yang terdapat kelainan. Tujuan utama dalam penelitian ini adalah mengembangkan dan menganalisis CAD yang terdiri dari peningkatan kontras, ekstraksi ciri, dan seleksi ciri sehingga dapat membedakan antara kasus normal, benign, dan malignant. Tahap prapengolahan dilakukan untuk meningkatkan kualitas citra dan mengurangi derau yang diakibatkan oleh proses prapengolahan itu sendiri. Region of Interest (ROI) atau daerah yang dicugai adanya kelainan disegmentasi, kemudian ekstraksi ciri berbasis tekstur digunakan sebagai metode ekstrasi ciri. Metode seleksi ciri dilakukan untuk memilih ciri terbaik yang kemudian akan diklasifikasi dan diidentifikasi berdasarkan kelasnya. Citra mammogram yang digunakan dalam penelitian ini diperoleh dari Klinik Khusus Onkologi Kota Baru Yogyakarta yang terdiri dari 40 citra, terbagi atas 14 kategori benign, 6 normal, dan 20 kategori normal. Pada tahap prapengolahan, digunakan metode peningkatan kontras sehingga diperoleh citra yang lebih jelas yang dihitung berdasarkan nilai MSE dan PSNR. Histogram dan GLCM sebagai metode ekstraksi ciri berbasis tekstur digunakan untuk mengekstrak ciri citra. CFS digunakan untuk mengseleksi ciri diantara 12 ciri yang diperoleh ditahap sebelumnya. Rerata, deviasi standar, smoothness, angular second moment (ASM), entropi dan korelasi merupakan ciri terbaik yang digunakan pada tahap klasifikasi dengan jumlah ciri yang lebih sedikit. Hasil penelitian menunjukkan bahwa metode yang telah dilakukan dapat mencapai akurasi klasifikasi sebesar 96.66%, sensitivitas 96.73%, spesifisitas 97.35%, dan ROC 96.6%. Hal ini diharapkan dapat berkontribusi dalam membantu radiolog sebagai bahan pertimbangan dalam pengambilan keputusan. Kata kunci: Kanker payudara, Mammogram, CAD, Ekstraksi ciri, Ciri Tekstur, Seleksi ciri. Seleksi Ciri berdasarkan Korelasi.

Abstract—One of the most popular techniques for early detection of breast cancer. Masses in the most abnormality as the first signs of the breast cancer. Early detection is expected to overcome the mortality of the women and can be reduce the risk factor for women whose undetected breast cancer yet. Computer Aided Diagnosis (CAD) is used to help the radiologist in interpretation and recognition the pattern of the mammogram abnormality. The main objective of this research is to perform and analyze the contrast enhancement, feature extraction and feature selection method in order to build a CAD to recognize the types of normal, benign, and malignant cases. Preprocessing needs to enhance the poor quality of image and remove the artifact caused by preprocessing step. Region of Interest (ROI) as the suspicious area segmented, and then extracted by texture feature approach. High dimensionality of feature is selected by feature selection technique and would be classified and recognized according to their class. The digital mammogram images are taken from the Private database of Oncology Clinic Kotabaru Yogyakarta. The dataset consists of 40 mammogram images with 14 benign cases, 6 malignant cases, and 20 normal cases. The proposed method in preprocessing step made the image enhanced and proved by MSE and PSNR value. Histogram and gray level co-occurrence matrix (GLCM) as the texture feature are used to extract the suspicious area. Correlation based feature selection (CFS) is used to select the best feature among 12 extracted features before. Mean, standard deviation, smoothness, angular second moment (ASM), entropy, and correlation are the optimal features that guarantee the improvement of accuracy with fewer features dimension. The result shows that the proposed method was achieved the accuracy about 96.66%, sensitivity 96.73%, specificity 97.35%, and ROC 96.6%. It is expected to contribute for helping the radiologist as material consideration in decision-making. Keywords: Breast cancer, Mammogram, Masses, CAD, Texture Feature, Feature selection, Correlation based feature selection.

Kata Kunci : Kanker payudara, Mammogram, CAD, Ekstraksi ciri, Ciri Tekstur, Seleksi ciri. Seleksi Ciri berdasarkan Korelasi.