1
PERHITUNGAN NILAI BESARAN FISIS FILM HASIL PHOTO SINAR-X MAMMOGRAFI JENIS LESI GANAS DAN LESI JINAK KANKER PAYUDARA. 1
Anak Agung Ngurah Gunawan,MT, 2I Nyoman Widana
1
Jurusan Fisika, FMIPA, UNUD, Kampus bukit jimbaran bali, Denpasar, 80364 e-mail:
[email protected]
2
Jurusan Matematika, FMIPA, UNUD, Kampus bukit jimbaran bali, Denpasar, 80364, email:
[email protected]
Abstrak Artikel ini akan menghitung nilai besaran fisis yang terdapat pada film mammografi untuk membuat model matematika untuk menentukan jenis lesi ganas dan lesi jinak kanker payudara. Ada 10 besaran fisis yang terdapat pada film mammografi yang dapat membedakan jenis lesi ganas dan lesi jinak pada kanker payudara antara lain : ketidakseragaman, kontras, keseragaman, homogenitas, korelasi, nilai rata-rata, kerapatan, ketidakseragaman dari histogram orde dua, keseragaman dari histogram orde dua, nilai rata-rata dari histogram orde dua. Nilai besaran fisis lesi ganas dan lesi jinak berbeda sesuai dengan densitynya. Makin besar densitynya semakin banyak intensitas radiasi yang diserap. Besar nilai besaran fisis untuk jenis lesi ganas adalah ketidakseragaman = 2.88442 - 3.88062 , kontras = 93.41245 - 5856.87788 , keseragaman = 0.00015 - 0.08280 , homogenitas = 0.01106 0.09094 , rata-rata = 83.48475 - 220.92240 , kerapatan = 13.44960 - 122.22053 , ketidakseragaman dari histogram orde dua = 1.30425 - 2.10841 , keseragaman dari histogram orde dua = 0.00946 0.11134 , rata-rata dari histogram orde dua = 7.27355 - 50.84359 . Untuk jenis lesi jinak adalah ketidakseragaman = 3.15769 - 21.21154 , kontras = 81.25652 - 3905.13158 , keseragaman = 0.00015 - 0.01013 , homogenitas = 0.01527 - 0.08977 , rata-rata = 71.55468 - 195.80523 , kerapatan = 12.05303 - 112.77408 , ketidakseragaman dari histogram orde dua = 1.28281 - 2.05756 , keseragaman dari histogram orde dua = 0.01051 - 0.06161 , rata-rata dari histogram orde dua = 7.10641 - 43.77752 . Dari Hasil riset ternyata nilai besaran fisis film antara jenis lesi ganas dan lesi jinak kanker payudara ada perbedaan
Kata kunci : besaran fisis film, mammografi, lesi ganas, lesi jinak
1. Introduction Banyak metoda deteksi dini breast cancer yang telah dipatenkan seperti employing histogram peak detection (M.I. Sezan,at.al., 1988), histogram alteration (R. Kumagai,1991), pixel mapping (M.E. Faulhaber,at.al.,1996), neural network (W. Zhang,1996), contour (I.N. Bankman,at.al.,1996), wavelet filter dan artificial neural networks (M. Kallergi, 2008), minimally invasive diagnosis and treatment (V.S.
2
Klimberg,at.al.,2010), morphological closing (D.H.Zhang,at.al.,2010), histological analysis (G.Shafirrstein,at.al.,2010), blood vessel walls (S.Weinbaum,at.al.,2014). Tetapi semuanya hanya mendeteksi keberadaan microcalcification saja, belum ada yang menentukan jenis lesi ganas dan lesi jinak kanker payudara. Dalam penelitian sebelumnya kami telah berhasil mengklasifikasi jenis histopatologi Infiltrating Duktal Carcinoma dan Infiltrating Lobuler Carcinoma breast cancer dengan menggunakan parameter physical dengan sensitivitas 86,36 % (A.A.N.Gunawan,at.al.,2012). Kami juga telah berhasil menentukan tingkat kesehatan payudara pada contra lateral menggunakan parameter physical dengan sensitivitas 93,75 % (A.A.N.Gunawan,at.al.,2013). kami juga telah berhasil menentukan stadium breast cancer dengan sensitivitas 86,67 % (A.A.N.Gunawan,2014). Dan kami juga telah berhasil Peningkatan pembacaan hasil foto sinar-x mammografi pada penentuan jenis histopatologi breast cancer menggunakan croping pola khusus dengan parameter physical dengan sensitivitas 97,5 % (A.A.N.Gunawan,at.al.,2014).
2. Bahan dan metoda. Bahan. Dalam penelitian ini menggunakan gambar hasil foto sinar-X mammografi sejumlah 120 buah, software Borland Delphi 7 dan IBM SPSS Statistik 20. Seting alat mammografi menggunakan KV = 30, MAS = 25, brightness= -7, latitude = 11, contrast = - 4, ukuran film = 18x24 cm. Metoda . Metode yang digunakan dalam penelitian ini adalah menghitung nilai besaran fisis seperti ketidakseragaman, kontras, keseragaman, homogenitas, korelasi, nilai rata-rata, kerapatan, ketidakseragaman dari histogram orde dua, keseragaman dari histogram orde dua, nilai rata-rata dari histogram orde dua, kemudian dibuat model matematikanya untuk menentukan lesi ganas dan lesi jinak kanker payudara. Dengan persamaan sebagai berikut : (A.P. Dhawan,at.al.,1996) : ................... (2.1) ........................................................... (2.2) .............................................................. (2.3)
3
.................................................................... (2.4) untuk yr ≠ yq. ................................................................................ (2.5)
...................................... (2.6)
……………………………………………………………………………….…………….(2.7) ................................. (2.8) ..................................... (2.9)
3. Hasil dan Pembahasan
3.1 Hasil Gambar 1, 2, berturut turut adalah lesi ganas dan lesi jinak
(1)
(2)
Gambar (1) Lesi Ganas dan (2) Lesi Jinak. Table 1. Range Nilai Besaran Fisis. No 1 2 3
Besaran Fisis Keseragaman Homogenitas Rata-rata
4 5
Kerapatan Ketidakseragaman dari
Benign 0,00015 - 0.01013 0.01527 - 0.08977 71.55468 195.80523 18.84672 - 56.86512 1.32977 - 2.05756
Carcinoma 0.00013 - 0.08280 0.01106 - 0.39200 71.16284 - 220.92240 11.06751 - 93.33126 1.29424 - 2.14790
4
6 7
histogram ore dua Keseragaman dari histogram orde dua Rata-rata dari histogram orde dua
0.01051 - 0.05878
0.00806 - 0.11134
7.65163 - 43.77752
7.27355 - 55.92737
3.2 Pembahasan. Besar nilai besaran fisis lesi ganas dan lesi jinak berbeda, sehingga dapat digunakan untuk membedakan jenis lesi ganas dan lesi jinak. Dari hasil percobaan variabel besaran fisis yang berbengaruh untuk membedakan jenis lesi ganas dan lesi jinak adalah adalah
keseragaman pada jarak antar piksel 9, 10, homogenitas pada jarak antar piksel 5,6,7,8,9,10, rata-rata, kerapatan, ketidakseragaman dari histogram orde dua, keseragaman dari histogram orde dua, nilai rata-rata dari histogram orde dua, pada jarak antar piksel 1,2,3,4,5,6,7,8,9,10. Model persamaan matematika untuk menentukan jenis histopatologi carcinoma dan benign adalah sebagai berikut: Z:= -17056.786 + 13939360.273*MA[9] -14975532.439*MA[10] + 79507.135*MD[5] + 123275.512*MD[6] -52858.798 * MD[7] -29317.721*MD[8] - 46033.962*MD[9] -84405.247*MD[10] -2616.686*MN[1] + 5924.284*MN[2] 3119.844*MN[3] -453.778*MN[4] -1114.523*MN[5] + 3720.727*MN[6] 3618.971*MN[7] + 11.610*MN[8] + 2152.569*MN[9] - 885.095MN[10] 1327.391*D[1] + 2202.098*D[2] - 3.143*D[3] -3364.818*D[4] + 7916.137*D[5] 10676.240*D[6] + 6323.275*D[7] + 415.555*D[8] -1671.692*D[9] + 197.645*D[10] + 23576.501*EH[1] + 7048.037*EH[2] -98617.823*EH[3] + 59177.808*EH[4] - 53465.845*EH[5] + 81134.008*EH[6] + 743.337*EH[7] 81311.924*EH[8] + 74475.699*EH[9] - 4742.767*EH[10] + 169258.070*MAH[1] + 31944.202*MAH[2] -1083908.718*MAH[3] + 826751.786*MAH[4] + 888282.531*MAH[5] - 918006.126*MAH[6] -487749.444*MAH[7] 1455971.004*MAH[8] + 1382311.075*MAH[9] + 844659.147*MAH[10] 124.008*MHD[1] + 74.265*MHD[2] -744.240*MHD[3] + 1741.103*MHD[4] + 430.726*MHD[5] -116.272*MHD[6] -1461.422*MHD[7] -1022.368*MHD[8] + 894.912*MHD[9] + 346.808*MHD[10]; 4. Ucapan terima kasih
Terimakasih kami ucapkan kepada pemerintah Indonesia yang sudah memberi dana penelitian Fundamental melalui Rektor Universitas Udayana dan LPPM UNUD.
5
Dekan FMIPA Unud dan Ketua Jurusan Fisika FMIPA Unud yang telah memberikan ijin penelitian. Terimakasih kami ucapkan kepada direktur RSUP Sanglah Denpasar, RSUD. Dr. Soetomo Surabaya, dan RS. Primamedika Denpasar yang telah memberikan ijin pengambilan data penelitian.
5. Kesimpulan Besaran fisis hasil foto sinar-X mammografi mampu membedakan jenis lesi ganas dan lesi jinak kanker payudara.
Pustaka M.I.Sezan,Ralph Schaetzing,’ Digital image processing method employing histogram peak detection’, Patent Number: US 4731863, 1988. R.Kumagai, ‘Method for processing an image by histogram alteration’, Patent Number: US 5077808,1991. M.E.Faulhaber, Mark A. Momcilovich, ‘Raster image processing with pixel mapping to allow image border density allocation’, Patent Number: US 5485281, 1996 W.Zhang, Kunio Doi,’ Method and system for the detection of microcalcifications in digital mamiviograms’, Patent Number: US 5491627, 1996 I.N.Bankman, William A. Christens-Barry,’ Method and system for automated detection of microcalcification clusters in mammograms’, Patent Number: US 5574799,1996. M.Kallergi,’ Computer aided diagnosis of mammographic microcalcification clusters’, Patent Number: US 7430308 B1, 2008. V.S.Klimberg, sohelia Korourian, Steven Harms, Gal Shafirstein,’ Minimally invasive diagnosis and treatment for breast cancer’, , Patent Number: US 7769432 B2, 2010
6
D.H.Zhang, Patrick B. Heffeman, Yue Shen,’ Computer aided detection of microcalcification clusters’, Patent Number: US 7848555 B2, 2010 G.Shafirrstein, XiaoWei Xu, Mutlu Mete,’ Image processing apparatus and method for histological analysis’, Patent Number: US 7853089 B2, 2010. S.Weinbaum, Yuliya Vengrenyuk, Luis Cardoso, Lucas Parra, Stephane Carlier, Sawas Xanthos,’ System and method for in vivo imaging of blood vessel walls to detect microcalcifications’, Patent Number: US 8,882,674 B2, 2014 A.A.N. Gunawan, Suhariningsih, K.S.P. Triyono, and B. Widodo, Determination of physical parameter model for the photo film mammographic X-ray results on the breast cancer histology classification, International Journal Of Contemporary Mathematical Sciences 45 (7) (2012) 2235-2244. A.A.N. Gunawan, Suhariningsih, K.S.P. Triyono, and Yasin, Conversion of Images into Numerical Models to Determine the Condition of Breast Health on Contralateral, Applied Mathematical Sciences, 7(104) (2013) 5185-5191. A.A.N. Gunawan, A Novel Model Determination of Breast Cancer Stage Using Physical Parameter, Far East Journal of Matematical Sciences, 87 (1) (2014) 2335. A. A. N. Gunawan, W. Supardi, I. B. Gede Dharmawan. Readability Increase Of Mammography X-Ray Photos Results In Determining The Breast Cancer Histopathology Types Using Special Pattern Cropping With Physical Parameter, Advances in Applied Physics, 2 (1) (2014) 43-52. A.P.Dhawan, Y. Chitre, C.K. Bonasso and M. Moskowits, Analysis of Mammographic Microcalcifications Using Gray Level Image Structure Feature, IEEE, Trans. Medical Imaging vol.15, no.3, pp.246-257, 1996
