PRESENTASI TUGAS AKHIR – KI091391 SEGMENTASI AREA MAKULA PADA CITRA FUNDUS RETINA DENGAN OPERASI MORFOLOGI (Kata kunci: segmentasi makula, operasi morfologi, citra fundus retina)
Penyusun Tugas Akhir : Diandra Anggarawati (NRP : 5108.100.007) Dosen Pembimbing : Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Anny Yuniarti, S.Kom., M.Comp.Sc. 03 Februari 2012
Tugas Akhir – KI091391
1
OUTLINE
LATAR BELAKANG
RUMUSAN MASALAH
RANCANGAN PERANGKAT LUNAK
UJI COBA
KESIMPULAN
03 Februari 2012
Tugas Akhir – KI091391
2
LATAR BELAKANG
1. Makula adalah pusat dari retina dan merupakan bagian yang paling vital pada sistem penglihatan manusia.
2. Penyakit degenerasi makula atau yang biasa disebut dengan agerelated macular degeneration (AMD) termasuk dalam peringkat ke-3 penyebab kebutaan pada manusia.
3. Deteksi area makula merupakan salah satu tahap awal dalam diagnosis penyakit degenerasi makula.
4. Pendeteksian area makula secara manual oleh ophthalmologists cukup sulit dilakukan dan membutuhkan waktu yang cukup lama.
03 Februari 2012
Tugas Akhir – KI091391
3
LATAR BELAKANG (2)
5. Dibutuhkan suatu metode untuk dapat mensegmentasi area makula secara otomatis untuk membantu proses diagnosis.
6. Operasi morfologi merupakan metode yang dapat digunakan untuk mensegmentasi area makula.
03 Februari 2012
Tugas Akhir – KI091391
4
PENDAHULUAN
Makula adalah pusat dari retina dan merupakan bagian yang paling vital dari sistem penglihatan manusia. Makula merupakan bagian dari retina yang memungkinkan mata untuk melihat detil-detil halus. Pada makula terdapat pembuluhpembuluh yang berperan penting sebagai photoreceptor sehingga ketajaman penglihatan manusia sangat bergantung pada bagian ini. Makula terletak pada pertengahan bagian posterior retina. Di tengah makula, sekitar 3,5 mm di sebelah optic disk, terdapat lekukan yang disebut fovea centralis atau pusat makula.
03 Februari 2012
Tugas Akhir – KI091391
5
PERMASALAHAN
1. Bagaimana mengaplikasikan tahap preprocessing pada citra? 2. Bagaimana menghilangkan pembuluh darah dan serabut syaraf pada citra?
3. Bagaimana mengaplikasikan tahap pencarian pusat optic disk menggunakan algoritma Transformasi Hough?
4. Bagaimana
mengaplikasikan metode menggunakan operasi morfologi?
segmentasi
dengan
5. Bagaimana menghitung akurasi dari hasil segmentasi citra? 03 Februari 2012
Tugas Akhir – KI091391
6
BATASAN MASALAH
1. Simulasi eksperimen dilakukan menggunakan MATLAB 7.6.0 atau MATLAB R2008a.
2. Citra masukan yang digunakan merupakan citra DRIVE (Digital Retinal Image for Vessel Extraction) yang dibuat di Belanda
dan mengandung 40 citra fundus berukuran 584x565 piksel yang diambil dengan 45o kamera fundus.
3. Citra masukan yang digunakan adalah citra fundus retina yang memiliki tingkat abnormalitas rendah (sedikit exudates).
03 Februari 2012
Tugas Akhir – KI091391
7
TUJUAN
Mengimplementasikan operasi morfologi untuk melakukan segmentasi area makula pada citra fundus retina.
03 Februari 2012
Tugas Akhir – KI091391
8
GAMBARAN UMUM APLIKASI
a b
c
d
e
(a) Citra asli (b) Hasil pencarian pusat optic disk (c) Hasil dilasi (d) Hasil segmentasi (e) Deteksi optic disk dan makula pada citra asli
03 Februari 2012
Tugas Akhir – KI091391
9
SISTEM SECARA UMUM
Preprocessing dengan gaussian
low-pass filter
Penghapusan pembuluh darah citra
Citra fundus retina berwarna
Dilasi
Lokalisasi area makula dengan thresholding adaptif
Pencarian pusat optic disk dengan Transformasi Hough
Perhitungan akurasi
Citra hasil segmetasi 03 Februari 2012
Tugas Akhir – KI091391
10
PREPROCESSING
Pengubahan citra ke
grayscale
Citra asal
Perbaikan citra dengan Gaussian
low-pass filter
Citra hasil preprocessing 03 Februari 2012
Tugas Akhir – KI091391
11
VESSEL REMOVAL
Menghilangkan noise dengan operasi opening
Citra hasil preprocessing
Menghilangkan pembuluh darah dengan operasi
closing
03 Februari 2012
Citra dengan pembuluh darah yang telah hilang Tugas Akhir – KI091391
12
PENCARIAN PUSAT OPTIC DISK
Proses cropping ROI
optic disk
Citra hasil vessel removal
Pencarian lokasi lingkaran dengan radius R Rekonstruksi Mtariks Hough 03 Februari 2012
Menentukan radius lingkaran
Binerisasi citra ROI
Deteksi tepi dengan Canny
Pra-alokasi memori untuk matriks Hough
Mencari piksel yang bernilai „1‟
Inisialisasi rumus lingkaran
Citra hasil Transformasi Hough Tugas Akhir – KI091391
13
THRESHOLDING ADAPTIF
Proses cropping ROI makula
Perbaikan citra dengan
Histogram equalization
Inisialisasi filter average dengan blok filter ws/20
Citra grayscale dengan titik pusat optic disk
Binerisasi citra hasil fiter
Citra hasil thresholding adaptif
03 Februari 2012
Tugas Akhir – KI091391
14
EKSTRAKSI MAKULA
Dilasi pada citra
Mencari boundary citra
Mencari luas dan titik pusat dari hasil segmentasi makula
Citra hasil thresholding adaptif
Plotting pada citra asli Citra hasil segmentasi makula 03 Februari 2012
Tugas Akhir – KI091391
15
PERHITUNGAN AKURASI
Citra hasil segmentasi sistem
Citra hasil segmentasi manual
03 Februari 2012
Menghitung jumlah piksel “1” dengan posisi yang sama pada kedua citra (intersection)
Menghitung jumlah piksel “1” untuk semua posisi pada kedua citra (union)
Hasil akurasi sistem
Membandingkan hasil segmentasi sistem dan manual sesuai persamaan
Tugas Akhir – KI091391
16
PERHITUNGAN AKURASI menghitung seberapa banyak piksel citra ground truth yang berhimpitan dengan citra yang sudah tersegmentasi
menghitung jumlah keseluruhan piksel yang ada pada baik citra ground truth maupun citra hasil segmentasi
R adalah hasil dari proses segmentasi citra dan A adalah citra ground truth. Dari hasil perhitungan ini akan didapatkan hasil akurasi dengan range antara 0% sampai 100%.
03 Februari 2012
Tugas Akhir – KI091391
17
SKENARIO UJI COBA
1. Perbandingan hasil akurasi segmentasi citra dengan inisialisasi
radius lingkaran Transformasi Hough yang berbeda-beda pada proses pencarian pusat optic disk.
2. Perbandingan hasil akurasi segmentasi citra dengan ukuran window filter dan konstanta yang berbeda-beda pada proses thresholding adaptif. 3. Perbandingan hasil akurasi segmentasi citra dengan ukuran structuring element yang berbeda-beda pada proses dilasi citra pada tahap segmentasi.
03 Februari 2012
Tugas Akhir – KI091391
18
UJI COBA 1
01_test.tif
R = 30;akurasi: 50,1%
03 Februari 2012
R = 35; akurasi : 82,9%
Tugas Akhir – KI091391
R = 40; akurasi : 51,7%
19
EVALUASI UJI COBA I
Apabila nilai R terlalu kecil atau terlalu besar, maka akan mempengaruhi jarak pusat makula dari pusat optic disk sehingga ROI makula yang didapatkan akan tidak sesuai, sehingga nilai akurasi kecil. Dari hasil percobaan menunjukkan bahwa nilai R = 35 akan menghasilkan akurasi terbaik pada 14 citra masukan dengan rata-rata sebesar 75,6% dan 1 citra menghasilkan akurasi terbaik pada R = 30.
03 Februari 2012
Tugas Akhir – KI091391
20
UJI COBA 2 (1)
02_test.tif
Ukuran window 8 & konstanta 0.04 ; akurasi: 57,8%
03 Februari 2012
Ukuran window 8 & konstanta 0.05 ; akurasi : 79,8%
Tugas Akhir – KI091391
Ukuran window 8 & konstanta 0.06 ; akurasi : 58,4%
21
UJI COBA 2 (2)
02_test.tif
Ukuran window 10 & konstanta 0.04 ; akurasi: 57,9%
03 Februari 2012
Ukuran window 10 & konstanta 0.05 ; akurasi : 76,3%
Tugas Akhir – KI091391
Ukuran window 10 & konstanta 0.06 ; akurasi : 56,4%
22
UJI COBA 2 (3)
02_test.tif
Ukuran window 16 & konstanta 0.04 ; akurasi: 52,3%
03 Februari 2012
Ukuran window 16 & konstanta 0.05 ; akurasi : 54,9%
Tugas Akhir – KI091391
Ukuran window 16 & konstanta 0.06 ; akurasi : 56,5%
23
EVALUASI UJI COBA II
Kombinasi ukuran window filter bergantung pada setiap kondisi citra. Apabila ukuran window filter terlalu kecil dan nilai konstanta terlalu kecil, maka area yang seharusnya termasuk dalam bagian makula menjadi hilang, sehingga nilai akurasi kecil. Sebaliknya, jika ukuran window filter terlalu besar dan nilai konstanta terlalu besar, maka area yang seharusnya tidak termasuk dalam bagian makula akan ikut terlokalisasi, sehingga nilai akurasi pun juga kecil. 03 Februari 2012
Tugas Akhir – KI091391
24
UJI COBA 3
06_test.tif
se = 2;akurasi: 81,5%
03 Februari 2012
se = 3; akurasi : 59,2%
Tugas Akhir – KI091391
se = 5; akurasi : 56,4%
25
EVALUASI UJI COBA III
Semakin besar ukuran suatu Structuring Element (SE) yang digunakan, maka hasil akurasinya akan semakin kecil. Berdasarkan eksperimen yang telah dilakukan, sebagian besar data citra masukan yang digunakan untuk uji coba ini menghasilkan akurasi terbaik pada ukuran SE 2.
03 Februari 2012
Tugas Akhir – KI091391
26
KESIMPULAN (1)
1. Dengan melihat hasil uji coba terbukti bahwa algoritma segmentasi area
makula pada citra fundus retina menggunakan operasi morfologi ini dapat mensegmentasi dengan baik citra fundus retina sehingga didapatkan hasil segmentasi berupa area makula. 2. Metode ini terbukti efektif untuk melakukan segmentasi area makula pada citra fundus retina dengan parameter-parameter yang telah ditentukan, yaitu radius lingkaran, ukuran window filter dan nilai konstanta, serta ukuran Structuring Element (SE). Berdasarkan hasil eksperimen yang dilakukan pada 15 citra, didapatkan rata-rata hasil akurasi segmentasi sebesar 75,6%. 3. Perubahan radius lingkaran pada proses pencarian pusat disk optik mempengaruhi hasil akurasi segmentasi citra dari proses algoritma ini. Apabila radius lingkaran terlalu kecil atau terlalu besar, maka akan mempengaruhi jarak pusat makula dari pusat optic disk sehingga ROI makula yang didapatkan tidak sesuai, sehingga nilai akurasi yang didapatkan kecil. 03 Februari 2012
Tugas Akhir – KI091391
27
KESIMPULAN (2)
4.
Kombinasi ukuran window filter dan nilai konstanta pada proses thresholding adaptif berpengaruh terhadap hasil akurasi segmentasi citra dalam proses algoritma ini. Apabila ukuran window filter terlalu kecil dan nilai konstanta terlalu kecil, maka area yang seharusnya termasuk dalam bagian makula menjadi hilang, sehingga nilai akurasi kecil. Sebaliknya, jika ukuran window filter terlalu besar dan nilai konstanta terlalu besar, maka area yang seharusnya tidak termasuk dalam bagian makula akan ikut terlokalisasi, sehingga nilai akurasi pun juga akan semakin kecil.
5. Ukuran Structuring Element (SE) berpengaruh terhadap hasil akurasi segmentasi citra dalam proses segmentasi. Apabila tidak digunakan ukuran yang tepat, maka hasil akurasi juga akan kecil. Dibutuhkan beberapa kali percobaan untuk menghasilkan ukuran SE yang tepat sehingga akan menghasilkan tingkat akurasi yang tinggi.
03 Februari 2012
Tugas Akhir – KI091391
28
SARAN
Dalam implementasi segmentasi area makula pada citra fundus retina dengan operasi morfologi, terdapat kekurangan dalam hasil segmentasi area makula yaitu belum mampu mensegmentasi dengan optimal apabila terdapat tanda-tanda diabetes parah seperti hard exudates pada bagian makula. Hasil segmentasi akan menunjukkan deteksi yang salah pada bagian makula. Sehingga diharapkan adanya pengembangan metode yang mampu mensegmentasi dengan optimal apabila terdapat permasalahan seperti yang telah disebutkan sebelumnya.
03 Februari 2012
Tugas Akhir – KI091391
29
DAFTAR PUSTAKA
[1]
Soumitra Samanta, Sanjoy Kumar Saha, Bhabatosh Chanda. A simple and fast algorithm to detect the fovea region in fundus retinal image. IEEE International conference on Emerging Applications of Information Technology,pp. 206- 209. March 2011.
[2]
S.Sekhar, W. Al-Nuaimy, A. Nandi, Automated Localisation of optic disk and fovea in Retinal Fundus Images, in: 16th European Signal Processing Conferrence (EUSIPCO-2008), Lausanne, Switzerland, 2008.
[3]
M. Usman Akram, Maryam Mubbashar, Anam Usman. Automated system for macula detection in digital retinal images. IEEE International conference on Information and Communication Technologies, pp. 1- 5.July 2011.
[4]
The DRIVE database, Image Sciences Institute, University Medical Center Utrecht, The Netherlands
[5]
Jähne, Bernd. 2002. Digital Image Processing. Springer. ISBN 3-540-67754-2.
[6]
Gonzalez, R. C. and Woods, R. E. Digital Image Processing Using MATLAB, Prentice Hall, Upper Saddle River, NJ. 2004.
[7]
Bock, R., Meier, J., Nyúl, L.G., Hornegger, J., dan Michelson, G. 2010. Glaucoma risk index : Automated glaucoma detection from color fundus. Medical Image Analysis 14, 3:471-481.
[8]
Wijayanti, Ari, 2011. Segmentasi Optic Nerve Head dari Citra Fundus Retina dengan Algoritma Hough Transform, Tugas Akhir, Jurusan Teknik Informatika Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia.
[9]
Dougherty, Edward R. 1992. An Introduction to Morphological Image Processing. ISBN 0-8194-0845-X.
[10] A.Hidayanto, dkk, Analisis Deteksi Tepi pada citra berdasarkan perbaikan kualitas citra, 2005. [11] Ge. F, Wang. S, Liu T., Image-Segmentation Evaluation From the Perspective of Salient Object Extraction. Proceeding of the 2006 IEEE Computer Society Conference on Computer Vision and Pattern recognition, 2006.
03 Februari 2012
Tugas Akhir – KI091391
30
03 Februari 2012
Tugas Akhir – KI091391
31
