SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA … · PRESENTASI TUGAS AKHIR ... paling vital pada...

SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI

(Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina)

PRESENTASI TUGAS AKHIR – KI091391

Penyusun Tugas Akhir :

Diandra Anggarawati

(NRP : 5108.100.007)

Dosen Pembimbing :

Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D.

Anny Yuniarti, S.Kom., M.Comp.Sc.

03 Februari 2012 Tugas Akhir – KI091391 1

OUTLINE


LATAR BELAKANG

RUMUSAN MASALAH

RANCANGAN PERANGKAT LUNAK

UJI COBA

KESIMPULAN

1. Makula adalah pusat dari retina dan merupakan bagian yangpaling vital pada sistem penglihatan manusia.

2. Penyakit degenerasi makula atau yang biasa disebut dengan age-related macular degeneration (AMD) termasuk dalam peringkatke-3 penyebab kebutaan pada manusia.

3. Deteksi area makula merupakan salah satu tahap awal dalamdiagnosis penyakit degenerasi makula.

4. Pendeteksian area makula secara manual oleh ophthalmologistscukup sulit dilakukan dan membutuhkan waktu yang cukup lama.

LATAR BELAKANG


5. Dibutuhkan suatu metode untuk dapat mensegmentasi areamakula secara otomatis untuk membantu proses diagnosis.

6. Operasi morfologi merupakan metode yang dapat digunakanuntuk mensegmentasi area makula.

LATAR BELAKANG (2)


Makula adalah pusat dari retina danmerupakan bagian yang paling vital darisistem penglihatan manusia. Makulamerupakan bagian dari retina yangmemungkinkan mata untuk melihat detil-detilhalus. Pada makula terdapat pembuluh-pembuluh yang berperan penting sebagaiphotoreceptor sehingga ketajaman penglihatanmanusia sangat bergantung pada bagian ini.Makula terletak pada pertengahan bagianposterior retina. Di tengah makula, sekitar 3,5mm di sebelah optic disk, terdapat lekukanyang disebut fovea centralis atau pusatmakula.


PENDAHULUAN

1. Bagaimana mengaplikasikan tahap preprocessing pada citra?

2. Bagaimana menghilangkan pembuluh darah dan serabut syarafpada citra?

3. Bagaimana mengaplikasikan tahap pencarian pusat optic diskmenggunakan algoritma Transformasi Hough?

4. Bagaimana mengaplikasikan metode segmentasi denganmenggunakan operasi morfologi?

5. Bagaimana menghitung akurasi dari hasil segmentasi citra?

PERMASALAHAN


1. Simulasi eksperimen dilakukan menggunakan MATLAB 7.6.0atau MATLAB R2008a.

2. Citra masukan yang digunakan merupakan citra DRIVE (DigitalRetinal Image for Vessel Extraction) yang dibuat di Belandadan mengandung 40 citra fundus berukuran 584x565 pikselyang diambil dengan 45o kamera fundus.

3. Citra masukan yang digunakan adalah citra fundus retina yangmemiliki tingkat abnormalitas rendah (sedikit exudates).

BATASAN MASALAH


Mengimplementasikan operasi morfologi untukmelakukan segmentasi area makula pada citrafundus retina.

TUJUAN


c d e

a

b

(a) Citra asli(b) Hasil pencarian pusat optic disk(c) Hasil dilasi(d) Hasil segmentasi(e) Deteksi optic disk dan makula pada citra

asli

GAMBARAN UMUM APLIKASI


Penghapusan pembuluh darah citra

Pencarian pusat optic disk dengan

Transformasi HoughDilasi

Preprocessing dengan gaussian

low-pass filter

Citra fundus retina berwarna

Citra hasil segmetasi

SISTEM SECARA UMUM


Lokalisasi area makula dengan

thresholding adaptif

Perhitungan akurasi

Perbaikan citra dengan Gaussian

low-pass filter

Pengubahan citra ke grayscale

Citra asal

Citra hasil preprocessing

PREPROCESSING


Menghilangkan pembuluh darah dengan operasi

closing

Menghilangkan noise dengan

operasi opening

Citra hasil preprocessing

Citra dengan pembuluh darah yang telah hilang

VESSEL REMOVAL


Pra-alokasimemori untukmatriks Hough

Prosescropping ROI

optic disk

Citra hasil vessel removal

Citra hasil Transformasi Hough

PENCARIAN PUSAT OPTIC DISK


Binerisasi citraROI

Menentukanradius

lingkaran

Mencari pikselyang bernilai

„1‟

Deteksi tepidenganCanny

Inisialisasirumus

lingkaran

Pencarianlokasi

lingkarandengan radius

R

RekonstruksiMtariksHough

Prosescropping ROI

makula

Citra grayscale dengan titikpusat optic disk

Citra hasil thresholding adaptif

THRESHOLDING ADAPTIF


Perbaikan citradengan

Histogram equalization

Inisialisasifilter averagedengan blokfilter ws/20

Binerisasi citrahasil fiter

Dilasi padacitra

Citra hasil thresholding adaptif

Citra hasil segmentasi makula

EKSTRAKSI MAKULA


Mencariboundary citra

Mencari luasdan titik pusat

dari hasilsegmentasi

makula

Plotting padacitra asli

Menghitungjumlah piksel “1”

dengan posisi yang sama pada kedua

citra (intersection)

Citra hasil segmentasi sistem

Citra hasil segmentasi manual

PERHITUNGAN AKURASI


Hasil akurasisistem

Membandingkanhasil segmentasi

sistem danmanual sesuai

persamaan

Menghitungjumlah piksel “1”

untuk semuaposisi pada kedua

citra (union)

PERHITUNGAN AKURASI


R adalah hasil dari proses segmentasi citra dan A adalah citra ground truth.

Dari hasil perhitungan ini akan didapatkan hasil akurasi dengan range

antara 0% sampai 100%.

menghitung seberapa banyak pikselcitra ground truth yang berhimpitan dengan citra yang sudah tersegmentasi

menghitung jumlah keseluruhan piksel yang ada pada baik citra ground truth maupun citra hasil segmentasi

1. Perbandingan hasil akurasi segmentasi citra dengan inisialisasiradius lingkaran Transformasi Hough yang berbeda-beda padaproses pencarian pusat optic disk.

2. Perbandingan hasil akurasi segmentasi citra dengan ukuranwindow filter dan konstanta yang berbeda-beda pada prosesthresholding adaptif.

3. Perbandingan hasil akurasi segmentasi citra dengan ukuranstructuring element yang berbeda-beda pada proses dilasi citrapada tahap segmentasi.

SKENARIO UJI COBA


UJI COBA 1

01_test.tif


R = 30;akurasi: 50,1% R = 35; akurasi : 82,9% R = 40; akurasi : 51,7%

EVALUASI UJI COBA I


Apabila nilai R terlalu kecil atau

terlalu besar, maka akan

mempengaruhi jarak pusat makula

dari pusat optic disk sehingga ROI

makula yang didapatkan akan tidak

sesuai, sehingga nilai akurasi kecil.

Dari hasil percobaan menunjukkan

bahwa nilai R = 35 akan

menghasilkan akurasi terbaik pada

14 citra masukan dengan rata-rata

sebesar 75,6% dan 1 citra

menghasilkan akurasi terbaik pada

R = 30.

UJI COBA 2 (1)

02_test.tif


Ukuran window 8 & konstanta 0.04 ;akurasi: 57,8%

Ukuran window 8 &

konstanta 0.05 ;

akurasi : 79,8%

Ukuran window 8 &

konstanta 0.06 ;

akurasi : 58,4%

UJI COBA 2 (2)

02_test.tif



Ukuran window 10 &

konstanta 0.05 ;

akurasi : 76,3%

Ukuran window 10 &

konstanta 0.06 ;

akurasi : 56,4%

UJI COBA 2 (3)

02_test.tif



Ukuran window 16 &

konstanta 0.05 ;

akurasi : 54,9%

Ukuran window 16 &

konstanta 0.06 ;

akurasi : 56,5%

EVALUASI UJI COBA II


Kombinasi ukuran window filter

bergantung pada setiap kondisi

citra.

Apabila ukuran window filter

terlalu kecil dan nilai konstanta

terlalu kecil, maka area yang

seharusnya termasuk dalam

bagian makula menjadi hilang,

sehingga nilai akurasi kecil.

Sebaliknya, jika ukuran window

filter terlalu besar dan nilai

konstanta terlalu besar, maka

area yang seharusnya tidak

termasuk dalam bagian makula

akan ikut terlokalisasi, sehingga

nilai akurasi pun juga kecil.

UJI COBA 3

06_test.tif


se = 2;akurasi: 81,5% se = 3; akurasi : 59,2% se = 5; akurasi : 56,4%

EVALUASI UJI COBA III


Semakin besar ukuran suatu

Structuring Element (SE) yang

digunakan, maka hasil

akurasinya akan semakin kecil.

Berdasarkan eksperimen yang

telah dilakukan, sebagian besar

data citra masukan yang

digunakan untuk uji coba ini

menghasilkan akurasi terbaik

pada ukuran SE 2.

1. Dengan melihat hasil uji coba terbukti bahwa algoritma segmentasi areamakula pada citra fundus retina menggunakan operasi morfologi ini dapatmensegmentasi dengan baik citra fundus retina sehingga didapatkan hasilsegmentasi berupa area makula.

2. Metode ini terbukti efektif untuk melakukan segmentasi area makula padacitra fundus retina dengan parameter-parameter yang telah ditentukan,yaitu radius lingkaran, ukuran window filter dan nilai konstanta, sertaukuran Structuring Element (SE). Berdasarkan hasil eksperimen yangdilakukan pada 15 citra, didapatkan rata-rata hasil akurasi segmentasisebesar 75,6%.

3. Perubahan radius lingkaran pada proses pencarian pusat disk optikmempengaruhi hasil akurasi segmentasi citra dari proses algoritma ini.Apabila radius lingkaran terlalu kecil atau terlalu besar, maka akanmempengaruhi jarak pusat makula dari pusat optic disk sehingga ROImakula yang didapatkan tidak sesuai, sehingga nilai akurasi yangdidapatkan kecil.

KESIMPULAN (1)


4. Kombinasi ukuran window filter dan nilai konstanta pada prosesthresholding adaptif berpengaruh terhadap hasil akurasi segmentasicitra dalam proses algoritma ini. Apabila ukuran window filter terlalukecil dan nilai konstanta terlalu kecil, maka area yang seharusnyatermasuk dalam bagian makula menjadi hilang, sehingga nilai akurasikecil. Sebaliknya, jika ukuran window filter terlalu besar dan nilaikonstanta terlalu besar, maka area yang seharusnya tidak termasukdalam bagian makula akan ikut terlokalisasi, sehingga nilai akurasi punjuga akan semakin kecil.

5. Ukuran Structuring Element (SE) berpengaruh terhadap hasil akurasisegmentasi citra dalam proses segmentasi. Apabila tidak digunakanukuran yang tepat, maka hasil akurasi juga akan kecil. Dibutuhkanbeberapa kali percobaan untuk menghasilkan ukuran SE yang tepatsehingga akan menghasilkan tingkat akurasi yang tinggi.

KESIMPULAN (2)


Dalam implementasi segmentasi area makula pada citra fundusretina dengan operasi morfologi, terdapat kekurangan dalam hasilsegmentasi area makula yaitu belum mampu mensegmentasidengan optimal apabila terdapat tanda-tanda diabetes parahseperti hard exudates pada bagian makula. Hasil segmentasi akanmenunjukkan deteksi yang salah pada bagian makula. Sehinggadiharapkan adanya pengembangan metode yang mampumensegmentasi dengan optimal apabila terdapat permasalahan

seperti yang telah disebutkan sebelumnya.

SARAN


[1] Soumitra Samanta, Sanjoy Kumar Saha, Bhabatosh Chanda. A simple and fast algorithm to detect the fovea region infundus retinal image. IEEE International conference on Emerging Applications of Information Technology,pp.206- 209. March 2011.

[2] S.Sekhar, W. Al-Nuaimy, A. Nandi, Automated Localisation of optic disk and fovea in Retinal Fundus Images, in: 16th

European Signal Processing Conferrence (EUSIPCO-2008), Lausanne, Switzerland, 2008.

[3] M. Usman Akram, Maryam Mubbashar, Anam Usman. Automated system for macula detection in digital retinal images.IEEE International conference on Information and Communication Technologies, pp. 1- 5.July 2011.

[4] The DRIVE database, Image Sciences Institute, University Medical Center Utrecht, The Netherlands <URL :http://www.isi.uu.nl/Research/Databases/DRIVE/S, diakses 11 November 2011>

[5] Jähne, Bernd. 2002. Digital Image Processing. Springer. ISBN 3-540-67754-2.

[6] Gonzalez, R. C. and Woods, R. E. Digital Image Processing Using MATLAB, Prentice Hall, Upper Saddle River, NJ.2004.

[7] Bock, R., Meier, J., Nyúl, L.G., Hornegger, J., dan Michelson, G. 2010. Glaucoma risk index : Automated glaucomadetection from color fundus. Medical Image Analysis 14, 3:471-481.

[8] Wijayanti, Ari, 2011. Segmentasi Optic Nerve Head dari Citra Fundus Retina dengan Algoritma Hough Transform, TugasAkhir, Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia.

[9] Dougherty, Edward R. 1992. An Introduction to Morphological Image Processing. ISBN 0-8194-0845-X.

[10] A.Hidayanto, dkk, Analisis Deteksi Tepi pada citra berdasarkan perbaikan kualitas citra, 2005.

[11] Ge. F, Wang. S, Liu T., Image-Segmentation Evaluation From the Perspective of Salient Object Extraction. Proceedingof the 2006 IEEE Computer Society Conference on Computer Vision and Pattern recognition, 2006.

DAFTAR PUSTAKA


http://www.isi.uu.nl/Research/Databases/DRIVE/S









http://en.wikipedia.org/wiki/Special:BookSources/081940845X









SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA … · PRESENTASI TUGAS AKHIR ... paling vital pada...

Documents

Transcript of SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA … · PRESENTASI TUGAS AKHIR ... paling vital pada...