Identifikasi Penyakit Periodontitis Kronis pada Citra Dental Panoramic dengan Algoritma Line Strength dan Line Tracking
Dosen Pembimbing : Dr. H. Agus Zainal Arifin, S.Kom., M.Kom. Anny Yuniarti, S.Kom., M.Comp.Sc.
Imam Cholissodin 5109.201.031
Latar Belakang 2
Dental panoramic sering diambil untuk keperluan
diagnosa oleh dokter gigi (H. Devlin dkk, 2007). Diagnosa penyakit rongga mulut, gigi, osteoporosis dan jantung.
Periodontitis kronis (Carranza dkk, 2006)
Infeksi pada jaringan di bagian akar gigi
Adanya kerusakan tulang horizontal
Latar Belakang 3
Pemeriksaan Penyakit Periodontitis Kronis
Klinis
Citra gigi
Pengamatan secara kasat mata
Pengolahan citra digital
Latar Belakang (Cont.) 4
Penelitian sebelumnya : Deteksi serat-serat asbes. (R.N. Dixon dan C.J. Taylor, 1979) Deteksi struktur tumor pada mammographic. (R. Zwiggelaar dkk, 2004). Deteksi garis berdasarkan arah sudut tertentu (Algoritma Line Strength)
Deteksi struktur pembuluh darah pada citra retina. (Vlachos M dan Dermatas E, 2010) Deteksi garis berdasarkan diameter tertentu (Algoritma Line Tracking)
Rumusan Masalah 5
Bagaimana mengukur linear structure pada citra
dental panoramic radiographs ? Bagaimana melakukan pendeteksian penyakit periodontitis kronis pada citra dental panoramic radiographs berdasarkan Analisis line strength dan line tracking ?
Tujuan dan Manfaat 6
Tujuan :
Membangun sistem computer-aided yang mampu mengukur linear structure dan melakukan pendeteksian penyakit periodontitis kronis. Manfaat :
Memberikan solusi metode pendeteksian penyakit periodontitis kronis secara otomatis.
Kontribusi 7
Mengintegrasikan proses multiscale line tracking
untuk menajamkan batas garis dan memperjelas piksel di dalam diameter garis pada hasil citra line strength. SLevel 1
Line Strength
SLevel 2
Max Level
SLevel n
Fungsi Maksimum
Existing
Citra Biner
Kontribusi 8
Mengintegrasikan proses multiscale line tracking
untuk menajamkan batas garis dan memperjelas piksel di dalam diameter garis pada hasil citra line strength. TLevel 1
SLevel 1
Line Strength
SLevel 2
Line Tracking
TLevel 2
SLevel n
Fungsi Multiscale
TLevel n
Integrasi Metode
Metodologi 9
Pengambilan Data
Desain Model Sistem
Pembuatan Perangkat Lunak dan Pengujian
Analisis Hasil
Penulisan Laporan
Desain Model Sistem 10
Melakukan sampling citra
Foramen Kanan
Foramen Kiri
Mendapatkan nilai Strength
Melacak garis pada citra Mendeteksi penyakit Periodontitis Reduce, Gaussian Pyramid Level = 3
Reduce
Reduce
Desain Model Sistem 11
Melakukan sampling citra
Expand
Expand
Mendapatkan nilai Strength
Melacak garis pada citra Mendeteksi penyakit Periodontitis Expand, Gaussian Pyramid Level = 3
Reduce
Reduce
Desain Model Sistem Melakukan sampling citra
Input
Mendapatkan nilai Strength
Melacak garis pada citra Output Mendeteksi penyakit Periodontitis
Ilustrasi Proses Line Strength Geser/ Pergeseran
Inisialisasi
Pad
m
. m
m+1 . .
. 1
m+1
.
.
.
(m x n)-1
m
.
mxn
(m x n)-1
mxn
Kernel
Current Piksel
Matrik Citra Asli (Hasil Expand) 1
mw
mbaru
n
Padding Array
nbaru
Ilustrasi Proses Line Strength Symetric
Padding Array
Both
Matrik Citra Asli 1
m
. m
.
m+1 . .
Geser/ Pergeseran
Pad
mw
Kernel Current Piksel pada Citra Asli 1
1
1
m+1
1
1
1
m+1
1
1
1
m+1
. . .
.
.
.
.
(m x n)-1
m
m
m
.
mxn
m
m
m
.
mxn mxnmxn
m
m
m
.
mxn mxnmxn
(m x n)-1
mxn
n
Rotasi Padding Array
mbaru
nbaru
. .
. .
.
.
(m x n)-1 (m x n)-1
mxn
mxn
Ilustrasi Proses Line Strength 15
Rotasi Padding Array
Hitung IndexInPadIT
Hitung IndexInPadIR
mbaruR Hitung f, b dan s
Ambil s Max
1
1
1
m+1
1
1
1
m+1
1
1
1
m+1
. . .
.
.
.
.
(m x n)-1
m
m
m
.
mxn
m
m
m
.
mxn mxnmxn
m
m
m
.
mxn mxnmxn
. .
. .
.
.
(m x n)-1 (m x n)-1
nbaruR
mxn
mxn
Ilustrasi Proses Line Strength 16
Rotasi Padding Array
Hitung IndexInPadIT
Hitung IndexInPadIR Hitung f, b dan s
Ambil s Max
titik pusat a(x1,y1) dari PadI
titik pusat b(x2,y2) dari PadIR
Ilustrasi Proses Line Strength 17
Rotasi Padding Array
Hitung IndexInPadIT
Hitung IndexInPadIR Hitung f, b dan s
Ambil s Max
titik pusat a(x1,y1) dari PadI
titik pusat b(x2,y2) dari PadIR
Ilustrasi Proses Line Strength 18
Rotasi Padding Array
Hitung IndexInPadIT
Menghitung Nilai F mw
1
m+1
.
.
.
(m x n)-1
m
.
mxn
mw
Hitung IndexInPadIR
Menghitung Nilai B Hitung f, b dan s
mw Ambil s Max
1
m+1
.
.
.
(m x n)-1
m
.
mxn
mw
Ilustrasi Proses Line Strength 19
S=F-B
Rotasi Padding Array
θ1 θ2 θ3 θ4
Hitung IndexInPadIT
Hitung IndexInPadIR Hitung f, b dan s
Ambil s Max
m s= x n
θ11 θ12
sMax
1
1
1
1
1
2
2
2
2
2
sMax
.
sMax
.
.
.
.
.
.
.
sMax
.
.
(m x n)-1
sMax
(m x n)-1
(m x n)-1
(m x n)-1
(m x n)-1
mxn
mxn
mxn
mxn
sMax
mxn
12
Ilustrasi Proses Line Strength 20
Reshape Matrik s Max
Rotasi Padding Array
Hitung IndexInPadIT sMax
Hitung IndexInPadIR Hitung f, b dan s
m s Max = x n
Matrik s Max
sMax sMax
m
1
m+1
.
.
.
(m x n)-1
m
.
mxn
sMax sMax
Ambil s Max
sMax
1
n
Desain Model Sistem 21
Melakukan sampling citra
Output Proses Line Strength
Mendapatkan nilai Strength
Melacak garis pada citra Mendeteksi penyakit Periodontitis
Output Line Tracking sebelum Multiscale
Ilustrasi Proses Line Tracking 22
Pilih Piksel Awal
Hitung nilai VL
Ambil VL Max Update Cw, Tentukan Piksel Baru Piksel Tracking Baru
m
1
m+1
.
.
.
(m x n)-1
m
.
mxn
n
Ilustrasi Proses Line Tracking 23
00 1800 900 2700 450 2250 3150 1350
Pilih Piksel Awal
Hitung nilai VL
Ambil VL Max Update Cw, Tentukan Piksel Baru Piksel Tracking Baru
m x n
1
VL1
VLMax VL1
VL1
VL1
VL1
VL1
VL1
VL1
2
VL2
VL2
VL2
VLMax VL2
VL2
VL2
VL2
VL2
.
.
.
.
.
.
.
VLMax .
.
.
.
VLMax .
.
.
.
.
.
VLMax
.
.
.
.
.
.
.
.
.
.
.
.
.
VLMax .
.
.
.
.
.
.
VLMax .
.
.
.
.
. . .
m x n
(m x n)-1
VL(m x n)-1 VL(m x n)-1 VL(m x n)-1 VL(m x n)-1 VL(m x n)-1 VL(m x n)-1 VL(m x n)-1 VL(m x n)-1 VLMax
mxn
VL(m x n) VL(m x n) VL(m x n) VL(m VLMax x n) VL(m x n) VL(m x n) VL(m x n) VL(m x n)
1
8
Ilustrasi Proses Line Tracking 24
kolom sudut
Pilih Piksel Awal
Hitung nilai VL
Ambil VL Max > Tc Update Cw, Tentukan Piksel Baru Piksel Tracking Baru
m x n
Piksel yang dihapus
1
VLMax VLMax > Tc
2?
? 180
2
VLMax VLMax < Tc
4?
? 270
.
VLMax VLMax > Tc
7?
? 315
VLMax VLMax > Tc
3?
? 90
VLMax VLMax > Tc
1?
?0
VLMax VLMax > Tc
6?
? 225
VLMax
.
VLMax VLMax < Tc
5?
? 45
VLMax
(m x n)-1
VLMax VLMax < Tc
8?
? 135
VLMax
mxn
VLMax VLMax > Tc
4?
? 270
VLMax
.
. .
1
m x n
1
VLMax
≤mxn
VLMax
1
Ilustrasi Proses Line Tracking 25
Update Matrik Cw
Pilih Piksel Awal
Hitung nilai VL
Ambil VL Max > T Update Cw
Piksel Tracking Baru
m x n
1
1
+1
2
2
+0
.
.
+1
.
+1
.
+1
.
+1
.
.
+0
(m x n)-1
(m x n)-1
+0
mxn
mxn
+1
1
1
.
. .
m x n
Ilustrasi Proses Line Tracking 26
Final Line Tracking : Mapping Matrik Cw
Piksel Tracking Baru
Cek nilai (x,y) : Jika Cw(x,y) >= byk W Cw(x,y) =1;
1 2
Hitung nilai VL
.
Ambil VL Max > T Update Cw
m x n
.
. . .
Map Quantization
(m x n)-1
mxn
1
.
Jika Cw(x,y) < byk W Cw(x,y) =0;
Ilustrasi Proses Line Tracking 27
Reshape Matrik Cw
Piksel Tracking Baru 1 2
Hitung nilai VL
.
Ambil VL Max > T Update Cw
m x n
.
. . .
Map Quantization
Matrik Citra Line Tracking
(m x n)-1
mxn
1
m
1
m+1
.
.
.
(m x n)-1
m
.
mxn
n
Ilustrasi Proses Line Tracking Piksel Tracking Baru
Output Line Tracking sebelum Multiscale
Hitung nilai VL
Ambil VL Max > T Update Cw Map Quantization
Output Proses Line Tracking
Metodologi (Cont.) 29
Melakukan sampling citra
Mendapatkan nilai Strength
Melacak garis pada citra ( Hasil Line Tracking )
Mendeteksi penyakit Periodontitis
Jika (bone value ≤ threshold) maka
diagnosanya ”Periodontitis Kronis”. Jika (bone value > threshold) maka diagnosanya ”Normal”.
Lingkungan Uji Coba 30
Data Uji Coba Hasil Kerjasama dengan Institute of Tropical Disease (ITD) UNAIR. 20 citra dental panoramic dengan identifikasi klinis. Dataset (Untuk Perulangan Uji Coba Sudut Orientasi) Uji Coba Training Testing Jumlah
(a) 20 0 20
Dataset (b) 10 10 20
(c) 15 5 20
Implementasi dengan Matlab 2009a (Original Licence to
VIP Lab. ITS).
Skenario Uji Coba 31
Parameter :
Mendapatkan hasil visualisasi citra terbaik.
Moving Window Threshold (Tc) Diameter
: (3, 5, 7, 9, 11) : (5,25,30,50,70) : ([3,4,5,..,11], [3,4,5..,20], [3,4,5..,30])
Orientasi Sudut :
Mendapatkan Orientasi Sudut yang optimal.
0° < θ < 90°
90° < θ < 180° 0° < θ < 90° & 90° < θ < 180° 45° < θ < 135° 0° < θ < 180° 135° < θ < 225°
Hasil Uji Coba Parameter MW 32
mw = 3
mw = 5
mw = 7
mw = 5 (Terpilih) : • Detail piksel tampak padat dan jelas
mw = 9
mw = 11
Hasil Uji Coba Parameter Tc 33
Tc = 5
Tc = 25
Tc = 30
Tc = 5 (Terpilih) : • Detail Piksel diantara diameter garis
Tc = 50
Tc = 70
Hasil Uji Coba Parameter Diameter 34
Twlow = 3 Twhigh = 11
Twlow = 3 Twhigh = 71
Twlow = 3 Twhigh = 31
Twlow = 3 Twhigh = 101
Hasil Uji Coba Sudut Orientasi 35
Citra Asli
0 < θ < 90
90< θ < 180
0 ≤ θ < 180 45< θ < 135
135< θ <225
Perbandingan Citra Hasil 36
Citra Line Strength Biner
(a)
(b)
(c)
(d)
(e)
(f)
Citra Line Tracking
(a)
(d)
(b)
(e)
(c)
(f)
Hasil Uji Coba 37
Hasil Identifikasi Terbaik Citra Line Tracking pada Sudut 45° < θ < 135° : Region
No ID Gambar R1
R2
R3
Ti
Mean
Klinis
R1
9244.25
R4
1
101117276
8193 8449 8850 8759 8562.75
2
101212379
8973 9079 8996 9676
3
101117138
4
Region
No ID Gambar
R2
R3
Mean R4
Ti
Klinis
9244.25
O
P
11
110110491
9151 9201 8923 9072 9086.75
O
P
9181
O
P
12
110110493
8757 9143 9087 8823
8952.5
O
P
8002 8747 8645 9340
8683.5
O
P
13
101212383
8611 8757 8737 8999
8776
O
P
101118223
8842 9107 9486 9091
9131.5
O
P
14
101212378
8681 8477 9088 8456
8675.5
O
P
5
101118221
8592 8798 9009 7892 8572.75
O
P
15
110111315
8990 8464 8638 8985 8769.25
O
N
6
101213667
8703 8416 9202 8788 8777.25
O
P
16
110111316
9414 8740 9088 9325 9141.75
O
P
7
101214181
9118 8746 8468 9319 8912.75
O
P
17
110111317
8224 8455 7780 8329
O
P
8
101210701
9270 8665 9400 9673
N
N
18
110111604
8616 8657 8505 8599 8594.25
O
P
9
101116746
9280 8918 9278 9501 9244.25
O
P
19
110111605
8566 8734 8809 8575
8671
O
P
10
101214349
8880 8486 9500 9349 9053.75
O
P
20
110112120
8881 8844 8350 9081
8789
O
P
9252
8197
Program
Klinis
+ -
+ TP = 18 FN = 1
FP = 0 TN = 1
Ti = 9244.25
Akurasi = 95.00%
Sensitivity = 100 %
Specificity = 50 %
Hasil Uji Coba 38
Line Strength (a) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%)
Spesificity (%)
1
0 < θ < 90 0 < θ < 90 dan 90< θ < 180 45< θ < 135 90< θ < 180 135<θ <225 0 ≤ θ < 180
90
100
0
95
100
50
90 90 90 90
100 100 100 100
0 0 0 0
2 3 4 5 6
Hasil Uji Coba 39
Line Tracking (a) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%)
Spesificity (%)
1
0 < θ < 90 0 < θ < 90 dan 90< θ < 180 45< θ < 135 90< θ < 180 135<θ <225 0 ≤ θ < 180
90
100
0
90
100
0
95 90 90 90
100 100 100 100
50 0 0 0
2 3 4 5 6
Hasil Uji Coba 40
Line Tracking (b) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%)
Spesificity (%)
1
0 < θ < 90 0 < θ < 90 dan 90 < θ < 180 45 < θ < 135 90 < θ < 180 135 < θ < 225 0 ≤ θ < 180
70
77.78
0
70
77.78
0
90 70 90 70
100 77.78 100 77.78
0 0 0 0
2 3 4 5 6
Hasil Uji Coba 41
Line Strength (c) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%)
Spesificity (%)
1
0 < θ < 90 0 < θ < 90 dan 90< θ < 180 45< θ < 135 90< θ < 180 135<θ <225 0 ≤ θ < 180
100
100
0
100
100
0
100 100 100 100
100 100 100 100
0 0 0 0
2 3 4 5 6
Hasil Uji Coba 42
Line Strength (b) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%)
Spesificity (%)
1
0 < θ < 90 0 < θ < 90 dan 90< θ < 180 45< θ < 135 90< θ < 180 135<θ <225 0 ≤ θ < 180
90
100
0
90
100
0
90 90 90 90
100 100 100 100
0 0 0 0
2 3 4 5 6
Hasil Uji Coba 43
Line Tracking (c) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%)
Spesificity (%)
1
0 < θ < 90 0 < θ < 90 dan 90 < θ < 180 45 < θ < 135 90 < θ < 180 135 < θ < 225 0 ≤ θ < 180
80
80
0
80
80
0
100 80 100 100
100 80 100 100
0 0 0 0
2 3 4 5 6
Kesimpulan & Saran 44
Kesimpulan : Penyakit periodontitis kronis dapat diidentifikasi dengan algoritma line
strength dan line tracking dengan nilai akurasi 95%, sensitivity 100% dan spesificity 50%. Transformasi geometri pada algoritma line strength dan matrik pada algoritma line strength dan line tracking dapat mengurangi waktu komputasi. Hasil metode line tracking dapat merepresentasikan piksel-piksel dari setiap level citra line strength yang berada di dalam diameter garis tertentu. Saran : Melakukan preprosesing citra dental panoramic radiograph untuk
mengurangi efek pencahayaan yang kurang merata. Dalam penentuan letak foramen dan cropping sampel di bagian kanan dan kiri dapat dilakukan secara otomatis dari program. Menambah jumlah data pengamatan, sehingga pada saat proses penentuan dataset dapat dilakukan secara optimal.
Interface Program 45
Těrima kasih
Gracias
