IMPLEMENTASI MODEL PENGUKUR DEGENERASI AREA...
Transcript of IMPLEMENTASI MODEL PENGUKUR DEGENERASI AREA...
-
IMPLEMENTASI MODEL PENGUKUR DEGENERASI AREA MAKULA MENGGUNAKAN METODE REGION
GROWING
Rio Bayu Afrianto Dosen Pembimbing -Prof. Ir. Handayani Tjandrasa, M.Sc, Ph.D -Isye Arieshanti, S.Kom., M.Phil.
-
OUTLINE
RIO BAYU AFRIANTO
LATAR BELAKANG
RUMUSAN MASALAH
RANCANGAN PL
UJI COBA
KESIMPULAN
-
OUTLINE
RIO BAYU AFRIANTO
LATAR BELAKANG
RUMUSAN MASALAH
RANCANGAN PL
UJI COBA
KESIMPULAN
LATAR BELAKANG
-
LATAR BELAKANG
RIO BAYU AFRIANTO
Saat ini, jumlah penyakit dan gangguan mata mencapai jumlah yang banyak
Age Related Macular Degeneration
(ARMD)
Kebutaan
-
LATAR BELAKANG (Cont.)
RIO BAYU AFRIANTO
-
LATAR BELAKANG (Cont.)
RIO BAYU AFRIANTO
Segmentasi
Manual Otomatis
-
Segmentasi
Manual Otomatis
LATAR BELAKANG (Cont.)
RIO BAYU AFRIANTO
waktu yang lama dan membutuhkan ketelitian tinggi. Manual
-
Segmentasi
Manual Otomatis
LATAR BELAKANG (Cont.)
RIO BAYU AFRIANTO
Metode Region Growing
Otomatis
-
OUTLINE
RIO BAYU AFRIANTO
LATAR BELAKANG
RUMUSAN MASALAH
RANCANGAN PL
UJI COBA
KESIMPULAN
RUMUSAN MASALAH
-
RUMUSAN MASALAH
RIO BAYU AFRIANTO
•Implementasi model pengukur degenerasi area makula menggunakan metode region growing
• Bagaimana pengaruh nilai threshold terhadap akurasi.
-
OUTLINE
RIO BAYU AFRIANTO
LATAR BELAKANG
RUMUSAN MASALAH
RANCANGAN PL
UJI COBA
KESIMPULAN
RANCANGAN PL
-
RIO BAYU AFRIANTO
RANCANGAN PL
LUAS DAERAH
Preprocessing
Segmentasi
-
RIO BAYU AFRIANTO
PREPROCESSING
Perbaikan citra (Histeq)
Penentuan optic disk
Proses cropping makula
Lanjut
-
RIO BAYU AFRIANTO
PERBAIKAN CITRA
Kembali
Citra asal Citra hasil histeq
-
RIO BAYU AFRIANTO
DETEKSI OPTIK DISK
Citra asal Deteksi optik disk
Kembali
-
RIO BAYU AFRIANTO
CROPPING DAERAH MAKULA
Citra asal Citra makula
Kembali
-
RIO BAYU AFRIANTO
RANCANGAN PL
LUAS DAERAH
Preprocessing
Segmentasi
-
RIO BAYU AFRIANTO
SEGMENTASI
Perbaikan citra (CLAHE)
Region Growing
Inverse segmentation
-
RIO BAYU AFRIANTO
PERBAIKAN CITRA
Citra makula
Kembali
Citra makula hasil perbaikan
-
RIO BAYU AFRIANTO
REGION GROWING
Citra makula
Kembali
Metode Region Growing
-
RIO BAYU AFRIANTO
INVERSE SEGMENTATION
Kembali
Citra hasil region growing Citra hasil inverse segmentation
-
RIO BAYU AFRIANTO
RANCANGAN PL
LUAS DAERAH
Preprocessing
Segmentasi
-
RIO BAYU AFRIANTO
PENGHITUNGAN LUAS
-
OUTLINE
RIO BAYU AFRIANTO
LATAR BELAKANG
RUMUSAN MASALAH
RANCANGAN PL
UJI COBA
KESIMPULAN
UJI COBA
-
RIO BAYU AFRIANTO
Uji Coba
Image002 Image003 Image004
Image005 Image006
-
RIO BAYU AFRIANTO
PERHITUNGAN AKURASI
-
RIO BAYU AFRIANTO
Uji Coba
Citra Image002
No Nilai threshold Luas segmentasi (piksel)
Nilai Akurasi (%)
1 80 50168 90,96
2 90 50344 34,19
3 100 50391 19,03
4 110 50425 8,06
5 120 50445 2,90
6 150 50450 0
Akurasi 90,96% Nilai threshold 80
-
RIO BAYU AFRIANTO
Uji Coba
Citra Image003
Akurasi 80,913% Nilai threshold 170
No Nilai threshold Luas segmentasi (piksel)
Nilai Akurasi (%)
1 80 11670 14,61
2 90 16430 16,65
3 100 22342 20,15
4 110 28425 25,72
5 120 33227 32,84
6 150 40512 57,01
-
RIO BAYU AFRIANTO
Uji Coba
Citra Image004
Akurasi 95,11% Nilai threshold 110
No Nilai threshold Luas segmentasi (piksel)
Nilai Akurasi (%)
1 80 28775 50,14
2 90 33268 63,25
3 100 36444 77,59
4 110 39024 95,11
5 120 41468 76,64
6 150 47902 23,47
-
RIO BAYU AFRIANTO
Uji Coba
Citra Image005
Akurasi 94,3 % Nilai threshold 100
No Nilai threshold Luas segmentasi (piksel)
Nilai Akurasi (%)
1 80 37575 34,86
2 90 42457 56,16
3 100 45694 94,3
4 110 47523 61,3
5 120 48767 36
6 150 50347 2,2
-
RIO BAYU AFRIANTO
Uji Coba
Citra Image006
Akurasi 89,64 % Nilai threshold 120
No Nilai threshold Luas segmentasi (piksel)
Nilai Akurasi (%)
1 80 23018 33,03 2 90 29201 42,6 3 100 34207 55,7 4 110 37805 71,6
5 120 40341 89,64
6 150 45729 52,09
-
RIO BAYU AFRIANTO
Uji Coba dan Evaluasi
akurasi Nilai threshold
-
OUTLINE
RIO BAYU AFRIANTO
LATAR BELAKANG
RUMUSAN MASALAH
RANCANGAN PL
UJI COBA
KESIMPULAN KESIMPULAN
-
RIO BAYU AFRIANTO
Kesimpulan
• Implementasi model dilakukan dengan membuat modul preprocessing, segmentasi menggunakan metode region growing, segmentasi menggunakan metode inverse segmentation , dan modul untuk mengukur luas area yang terdegenerasi.
•Semakin tinggi nilai threshold yang dipilih, semakin besar tingkat akurasinya.
•Nilai akurasi 85% – 95% .
-
RIO BAYU AFRIANTO
SEKIAN
TERIMA KASIH
IMPLEMENTASI MODEL PENGUKUR DEGENERASI AREA MAKULA MENGGUNAKAN METODE REGION GROWING�Slide Number 2Slide Number 3Slide Number 4Slide Number 5Slide Number 6Slide Number 7Slide Number 8Slide Number 9Slide Number 10Slide Number 11Slide Number 12Slide Number 13Slide Number 14Slide Number 15Slide Number 16Slide Number 17Slide Number 18Slide Number 19Slide Number 20Slide Number 21Slide Number 22Slide Number 23Slide Number 24Slide Number 25Slide Number 26Slide Number 27Slide Number 28Slide Number 29Slide Number 30Slide Number 31Slide Number 32Slide Number 33Slide Number 34Slide Number 35