BAB I PENDAHULUAN
1.1
Latar Belakang Penyakit jantung merupakan pembunuh yang paling berbahaya saat ini
yang menjadikannya sebagai penyebab kematian nomor satu di dunia (WHO, 2012). Salah satu tanda penyakit ini adalah adanya pembesaran ukuran jantung atau yang disebut dengan cardiomegaly. Pemantauan pembesaran jantung menggunakan modaliti x-ray masih banyak digunakan sampai saat ini karena modaliti ini hampir tersedia di hampir seluruh rumah sakit. Bahkan untuk kasus di Indonesia, banyak puskesmas yang sudah mempunyai peralatan ini. Foto thorax atau sering disebut chest x-ray (CXR) adalah suatu proyeksi radiografi dari thorax untuk mendiagnosis kondisi-kondisi yang mempengaruhi thorax, isi dan struktur-struktur di dekatnya. Foto thorax menggunakan radiasi terionisasi dalam bentuk x-ray. Foto thorax digunakan untuk mendiagnosis banyak kondisi yang melibatkan dinding thorax, tulang thorax dan struktur yang berada di dalam kavitas thorax termasuk paru-paru dan jantung (Joarder dan Crundwell, 2009). Diagnosa penyakit melalui foto thorax sampai saat ini masih dilakukan secara manual oleh dokter, pengamatan manual paling tidak mempunyai dua error yang umum diantaranya interobserver error dan intra observer error. Interobserver error mengarah pada error yang terdapat pada pengukuran objek yang sama oleh orang yang berbeda. Hal ini bisa dimaklumi
1
2
karena selain faktor citra X-ray itu sendiri, tingkat konfidensi seseorang dalam melakukan pengukuran berbeda. Sedangkan error yang kedua adalah error yang terdapat pada pengukuran objek yang sama oleh orang yang sama pada saat yang berbeda. Hal ini juga mungkin terjadi terutama jika dihadapkan pada rentang waktu yang lama dan frekuensi pengukuran yang tinggi (Lailyana, E, 2009). Melihat adanya keterbatasan dalam diagnosa penyakit melalui foto thorax yang selama ini dilakukan, maka muncul penelitian-penelitian dengan pendekatan lain menggunakan aplikasi komputer. Salah satu diantaranya adalah penelitian yang berjudul “Segmentasi paru-paru pada citra x-ray menggunakan level set” yang melakukan segmentasi organ paru-paru dengan menggunakan active contour (level set). Metode segmentasi ini dipilih, karena level set dapat berevolusi mengikuti penyebaran kurva. Kurva akan berkembang sampai berhenti pada batas obyek dalam suatu citra. Penelitian ini menggunakan 40 citra X-ray paru-paru. Untuk menguji kinerja dari metode yang diusulkan hasil segmentasi level set dibandingkan dengan segmentasi manual (Lailyana, E, 2009). Penelitian yang berjudul “Metode Segmentasi Paru-paru dan Jantung pada Citra X-ray Thorax” menggunakan citra x-ray thorax dengan format grayscale dan ukuran 256x256, agar segmentasi berjalan dengan maksimal dilakukan pra pengolahan menggunakan metode Gaussian Lowpass Filter. Selanjutnya citra hasil pra pengolahan dikelompokkan menggunakan metode Kmeans Clustering dimana pengelompokan tersebut dilakukan berdasarkan perbedaan nilai piksel pada citra. Selanjutnya dilakukan segmentasi dengan menggunakan
metode
Geometric
Active
Contour.
Segmentasi
jantung
3
menggunakan metode template matching. Penelitian ini sudah dapat melakukan segmentasi paru-paru dengan tingkat akurasi yang cukup baik, namun masih kurang maksimal karena hanya menggunakan Gaussian Low Pass filter pada tahap pra pengolahan citra (Mardhiyah dan Harjoko, 2013). Penelitian yang dilakukan oleh Mardhiyah menunjukkan tahap pra pengolahan dalam tahapan segmentasi citra memegang peranan yang sangat penting yang dapat mempengaruhi hasil dari proses segmentasi. Penelitian lain yang juga menunjukkan pentingnya peran tahap pra pengolahan dalam melakukan segmentasi citra medis adalah penelitian yang berjudul “The importance of the pre-processing on the echocardiographic images for the Left Ventricular contour extraction.” (Santos et al., 2014) Dan “Evaluating the Effect of Image Preprocessing on an Information Theoretic CAD System in Mammography” (Tourassi et al., 2008), kedua penelitian ini menunjukkan bahwa tahap pra pengolahan yang tepat dapat meningkatkan kinerja dan hasil dari proses segmentasi citra. Segmentasi paru-paru dan jantung pada citra x-ray thorax memiliki tingkat kesulitan yang cukup tinggi, hal ini disebabkan organ-organ tersebut memiliki tepi yang kurang tajam serta adanya bayangan tulang rusuk, tulang selangka, pembuluh darah dan organ-organ lain yang ada pada rongga dada, sehingga tahap pra pengolahan sangat penting dilakukan untuk semaksimal mungkin mengaburkan organ-organ tersebut sebelum melakukan segmentasi (Ilovar dan Sajn, 2011). Penelitian ini akan mencoba membandingkan kinerja
4
beberapa teknik pra pengolahan dan melihat pengaruhnya terhadap hasil segmentasi paru-paru dan jantung pada citra x-ray thorax. Teknik pra pengolahan yang akan digunakan ialah Anisotropic Diffusion dan Guided Image filter dimana kedua metode ini memiliki karakteristik untuk mengaburkan detail citra dengan tetap
mempertahankan
tepi
citra.
Sedangkan
proses
segmentasi
akan
menggunakan metode K-means Clustering dan Geometric Active Countour. Anisotropic Diffusion yang juga dikenal dengan Perona–Malik diffusion merupakan teknik yang bertujuan mengurangi noise citra tanpa menghapus bagian-bagian yang signifikan dari citra, seperti tepi, garis atau rincian lainnya yang penting bagi penafsiran citra (Perona dan Malik, 1990). Teknik ini sudah pernah digunakan dalam penelitian “Automatic Lung Segmentation in CT Images using Anisotropic Diffusion and Morphology Operation” untuk menghilangkan noise pada citra CT namun kontur citra tetap dipertahankan sehingga mempermudah proses segmentasi paru-paru (Kim et al., 2007). Guided
Image
filter
menghitung
hasil
filter
dengan
mempertimbangkan konten gambar penuntun, yang merupakan gambar input itu sendiri atau gambar lain yang berbeda. Guided Image filter dapat digunakan sebagai operator smoothing yang tetap mempertahankan tepi seperti Bilateral Filter yang sudah populer tetapi memiliki perilaku yang lebih baik di bagian tepi. Guided Image filter juga merupakan sebuah konsep yang lebih generik di luar smoothing: yaitu dapat mentransfer struktur dari gambar penuntun ke dalam filter, memungkinkan aplikasi filter yang baru seperti dehazing dan guided feathering. Selain itu, Guided Image filter secara alami memiliki algoritma cepat, bergantung
5
dari ukuran kernel dan kisaran intensitas. Saat ini, ini adalah salah satu edgepreserving filter tercepat. Eksperimen menunjukkan bahwa Guided Image filter efektif dan efisien untuk diterapkan dalam berbagai macam aplikasi komputer vision dan komputer grafis (He et al., 2010). Algoritma k-means adalah algoritma
pengelompokan iteratif yang
membagi dataset yang diberikan menjadi sejumlah klaster k yang ditentukan oleh pengguna. Algoritma ini sederhana untuk diterapkan dan dijalankan, relatif cepat, mudah diadaptasi, dan sudah banyak digunakan dalam penelitian medical imaging. geometric active contour merupakan metode active contour berdasarkan teori evolusi kurva dan metode level set. Chan Vese merupakan model dari geometric active contour yang populer, dikarenakan memiliki kelebihan antara lain: dapat mendeteksi garis dan kurva yang tidak tertutup dan dapat mendeteksi objek dengan intensitas yang berbeda. Teknik ini digunakan dalam penelitian “Metode Segmentasi Paru-Paru dan Jantung pada Citra X-ray Thorax” untuk mendapatkan citra paru-paru kiri dan kanan dari hasil clustering citra menggunakan metode k-means (Mardhiyah dan Harjoko, 2013). Dengan menerapkan metode Anisotropic Diffusion dan Guided Image filter pada tahap pra pengolahan serta metode k-means dan geometric active contour untuk proses segmentasi diharapkan pada penelitian ini dapat menghasilkan metode yang dapat dijadikan rujukan pada tahap pra pengolahan dalam melakukan segmentasi paru-paru dan jantung.
6
1.2
Rumusan Masalah Berdasarkan latar belakang di atas maka dapat dirumuskan
permasalahan yang akan dibahas pada penelitian ini adalah bagaimana pengaruh metode Anisotropic Diffusion dan Guided Image filter sebagai metode pra pengolahan terhadap akurasi, sensitivitas dan spesifisitas dari hasil segmentasi paru-paru dan jantung. 1.3
Batasan Masalah Batasan masalah yang akan dibahas pada penelitian ini adalah: 1.
Penelitian ini akan fokus pada proses pra pengolahan untuk melihat pengaruhnya terhadap hasil segmentasi.
2.
Metode yang digunakan pada proses pra pengolahan adalah Anisotropic Diffusion dan Guided Image filter.
3.
Metode yang digunakan pada proses segmentasi adalah K-means Clustering dilanjutkan dengan Active Contour.
4.
Citra x-ray yang dijadikan citra uji adalah citra x-ray PA (PosteriorAnterior).
5.
Citra x-ray yang diteliti merupakan citra yang diperoleh dari database publik hasil rekam medis dan telah tersimpan berupa file digital dengan format jpeg berukuran 256x256 piksel dengan tingkat keabuan 256 (8 bit).
7
1.4
Tujuan Penelitian Tujuan diadakannya penelitian ini adalah untuk mendapatkan metode
pra pengolahan yang dapat dijadikan rujukan untuk meningkatkan kinerja akurasi, sensitifitas dan spesifisitas segmentasi paru-paru dan jantung pada citra x-ray thorax. 1.5
Manfaat Penelitian Manfaat yang diharapkan dengan dilakukannya penelitian ini adalah: 1. Menyediakan alternative metode yang dapat digunakan sebagai rujukan, untuk melakukan proses pra pengolahan pada segmentasi citra medis. 2. Dengan meningkatkan akurasi, sensitifitas dan spesifisitas hasil segmentasi, diharapkan juga dapat berkontribusi meningkatkan akurasi penentuan CTR pada pengembangan tahap selanjutnya.
1.6
Keaslian Penelitian Penelitian mengenai segmentasi paru-paru dan jantung pada citra X-
ray Thorax telah banyak dilakukan baik dalam bidang kedokteran maupun ilmu komputer, dalam berbagai penelitian penulis mengamati belum adanya penelitian yang fokus pada metode pra pengolahan. Segmentasi jantung pada X-ray Thorax masih jarang dilakukan, kebanyakan penelitian masih menggunakan citra hasil CT Scan dan MRI. Penelitian yang telah ada dalam bidang kedokteran yaitu analisa struktur dan diagnosa penyakit pada rongga dada, dalam bidang ilmu komputer lebih menitikberatkan pada proses segmentasi dalam pengolahan citra digital.
