MODEL EKSTRAKSI CIRI BENTUK PORUS TULANG TRABEKULA PADA CITRA RADIOGRAF PERIAPIKAL DENTAL UNTUK PEMERIKSAAN OSTEOPOROSIS

ENNY ITJE SELA, Prof. Dra. Sri Hartati, M.Sc., Ph.D.

2015 | Disertasi | S3 Ilmu Komputer

Osteoporosis merupakan penyakit yang menyebabkan kerapuhan tulang dan tulang mudah patah. Status osteoporosis dapat diketahui melalui pemeriksaan bone mineral density (BMD), menggunakan dual energy X-ray absorptiometry (DXA). Namun, biaya pemeriksaan menggunakan DXA relatif mahal dan DXA tidak melakukan penilaian kualitas struktur mikro arsitektur tulang. Beberapa penelitian melakukan pemeriksaan osteoporosis menggunakan ciri batang tulang trabekula pada citra radiograf periapikal dental yang dikombinasikan dengan ciri antropometri. Penelitian tersebut menyatakan bahwa batang tulang trabekula tidak berperan dalam pemeriksaan osteoporosis karena batang trabekula bukan bagian yang dominan pada struktur tulang trabekula. Pada penelitian ini mengusulkan model ekstraksi ciri bentuk porus tulang trabekula pada citra radiograf periapikal dental. Kategori ciri pada bentuk porus adalah porositas, konektifitas, dan orientasi pori. Permasalahan pada ekstraksi ciri orientasi pori adalah menentukan sudut pori, sedangkan untuk memperoleh sudut pada pori, diperlukan nilai centroid. Metode yang ada pada saat ini, bisa digunakan untuk mencari centroid pada bentuk pori solid, namun metode tersebut tidak sesuai digunakan pada bentuk pori yang tidak solid. Penelitian ini mengusulkan metode untuk mencari centroid pada pori solid dan tidak solid. Metode ini memanfaatkan ciri konektifitas pori. Pengembangan model yang diusulkan dirancang menggunakan beberapa tahap. Tahap pertama adalah melakukan pemrosesan citra radiograf periapical dental. Dari tahap ini dihasilkan citra biner, yang selanjutnya citra ini diekstrak untuk memperoleh ciri bentuk porus. Tahap selanjutnya adalah melakukan seleksi ciri menggunakan pohon keputusan. Hasil dari seleksi ciri kemudian dilatih dan diuji menggunakan JST. Hasil penelitian menunjukkan bahwa model yang diusulkan dapat menghasilkan ciri dengan kategori porositas, konektiftas, dan orientasi pori. Kemudian, metode yang digunakan untuk mencari centroid dengan memanfaatkan kategori ciri konektifitas dapat digunakan untuk mendapatkan nilai centroid pada pori solid dan tidak solid. Secara umum, model dapat menghasilkan performance terbaik pada pengujian ciri porus dengan nilai akurasi, sensitivitas, dan spesifisitas sebesar 85.71%, 86.90 %, dan 85.84%. Perhitungan menggunakan kurva ROC (Receiver Operating Characteristics) memberikan nilai AUC (area under ROC curve) sebesar 0.8171 atau 81.71% Kata kunci : radiograf periapical dental, osteoporosis, porositas, konektifitas, orientasi, centroid

Osteoporosis is a disease that causes bone fragility and in bone fracture. Degree of osteoporosis is measured by bone mineral density (BMD) using dual-energy X-ray absorptiometry (DXA). Not only, DXA is relatively expensive but also it cannot detect bone’s microstructure. Bone’s microstructure is an indicator to detect bone’s strength. Some studies have detected microarchitecture of the trabecular bone on dental periapical radiograph images for osteoporosis screening. The trabecular bone could be extracted into trabecular segment and its porous. Previous studies have proven that the trabecular segment features could not be considered for osteoporosis screening because it is not a dominant object. This research presents a model to extract the shape-based features of the porous trabecular bone for osteoporosis screening. The pore’s shapes are solid and non-solid polygon. The porous feature categories are porosity, connectivity, and orientation of pore. The orientation of pore is obtained by the angle of pore, and the angle of pore is obtained by its centroid. Existing methods perform well to obtain centroid of solid polygon. This research also proposes a method to obtain centroids for solid and non- solid polygon. The proposed method uses the connectivity features of the trabecular porous. There are some steps to develop the model. Digital images processing techniques was performed for the dental periapical radiograph images. This step resulted binary images and then, the porous extraction features were obtain from it. Decision tree with C4.5 method was performed to obtain selected porous features. Last step, training and testing used neural network to classify selected features. This research shows that a proposed model can obtain porous trabecular features. The connectivity features perform well to obtain centroids for solid and non-solid polygon. The usage of confusion matrix to evaluation performance model has the accuracy, sensitivity, specificity to be 85.71%, 86.90 %, and 85.84%, respectively. Calculating the area under the ROC curve (AUC) results 0.8171 or 81.71% Keywords: dental periapical radiograph images, osteoporosis, orientation of pore, connectivity of pore, centroid of pore

Kata Kunci : radiograf periapical dental, osteoporosis, porositas, konektifitas, orientasi, centroid; dental periapical radiograph images, osteoporosis, orientation of pore, connectivity of pore, centroid of pore