Post on 21-Mar-2019
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
03 Februari 2012 Tugas Akhir – KI091391 2
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
03 Februari 2012 Tugas Akhir – KI091391 3
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)
03 Februari 2012 Tugas Akhir – KI091391 4
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.
03 Februari 2012 Tugas Akhir – KI091391 5
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
03 Februari 2012 Tugas Akhir – KI091391 6
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
03 Februari 2012 Tugas Akhir – KI091391 7
Mengimplementasikan operasi morfologi untukmelakukan segmentasi area makula pada citrafundus retina.
TUJUAN
03 Februari 2012 Tugas Akhir – KI091391 8
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
03 Februari 2012 Tugas Akhir – KI091391 9
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
03 Februari 2012 Tugas Akhir – KI091391 10
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
03 Februari 2012 Tugas Akhir – KI091391 11
Menghilangkan pembuluh darah dengan operasi
closing
Menghilangkan noise dengan
operasi opening
Citra hasil preprocessing
Citra dengan pembuluh darah yang telah hilang
VESSEL REMOVAL
03 Februari 2012 Tugas Akhir – KI091391 12
Pra-alokasimemori untukmatriks Hough
Prosescropping ROI
optic disk
Citra hasil vessel removal
Citra hasil Transformasi Hough
PENCARIAN PUSAT OPTIC DISK
03 Februari 2012 Tugas Akhir – KI091391 13
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
03 Februari 2012 Tugas Akhir – KI091391 14
Perbaikan citradengan
Histogram equalization
Inisialisasifilter averagedengan blokfilter ws/20
Binerisasi citrahasil fiter
Dilasi padacitra
Citra hasil thresholding adaptif
Citra hasil segmentasi makula
EKSTRAKSI MAKULA
03 Februari 2012 Tugas Akhir – KI091391 15
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
03 Februari 2012 Tugas Akhir – KI091391 16
Hasil akurasisistem
Membandingkanhasil segmentasi
sistem danmanual sesuai
persamaan
Menghitungjumlah piksel “1”
untuk semuaposisi pada kedua
citra (union)
PERHITUNGAN AKURASI
03 Februari 2012 Tugas Akhir – KI091391 17
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
03 Februari 2012 Tugas Akhir – KI091391 18
UJI COBA 1
01_test.tif
03 Februari 2012 Tugas Akhir – KI091391 19
R = 30;akurasi: 50,1% R = 35; akurasi : 82,9% R = 40; akurasi : 51,7%
EVALUASI UJI COBA I
03 Februari 2012 Tugas Akhir – KI091391 20
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
03 Februari 2012 Tugas Akhir – KI091391 21
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
03 Februari 2012 Tugas Akhir – KI091391 22
Ukuran window 10 & konstanta 0.04 ;akurasi: 57,9%
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
03 Februari 2012 Tugas Akhir – KI091391 23
Ukuran window 16 & konstanta 0.04 ;akurasi: 52,3%
Ukuran window 16 &
konstanta 0.05 ;
akurasi : 54,9%
Ukuran window 16 &
konstanta 0.06 ;
akurasi : 56,5%
EVALUASI UJI COBA II
03 Februari 2012 Tugas Akhir – KI091391 24
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
03 Februari 2012 Tugas Akhir – KI091391 25
se = 2;akurasi: 81,5% se = 3; akurasi : 59,2% se = 5; akurasi : 56,4%
EVALUASI UJI COBA III
03 Februari 2012 Tugas Akhir – KI091391 26
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)
03 Februari 2012 Tugas Akhir – KI091391 27
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)
03 Februari 2012 Tugas Akhir – KI091391 28
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
03 Februari 2012 Tugas Akhir – KI091391 29
[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
03 Februari 2012 Tugas Akhir – KI091391 30
03 Februari 2012 Tugas Akhir – KI091391 31