Download - IMPLEMENTASI MODEL PENGUKUR DEGENERASI AREA …digilib.its.ac.id/public/ITS-paper-20214-5108100185-Presentation.pdfIMPLEMENTASI MODEL PENGUKUR DEGENERASI AREA MAKULA MENGGUNAKAN METODE

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


RIO BAYU AFRIANTO

Segmentasi

Manual Otomatis

Segmentasi

Manual Otomatis


RIO BAYU AFRIANTO

waktu yang lama dan membutuhkan ketelitian tinggi. Manual

Segmentasi

Manual Otomatis


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



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



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


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


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