SEGMENTASI BRONCHUS dan BRONCHIOLUS PADA CITRA CTSCAN PARU-PARU MENGGUNAKAN WATERSHED FILTER Syafitri Afriza 1), Ananda 2), dan Wawan Yunanto 3) 1) Jurusan Teknik Informatika, Politeknik Caltex Riau, Pekanbaru 28265, email:
[email protected] 2) Jurusan Teknik Informatika, Politeknik Caltex Riau, Pekanbaru 28265, email:
[email protected] 3) Jurusan Teknik Komputer, Politeknik Caltex Riau, Pekanbaru 28265, email:
[email protected]
Abstrak - Segmentasi merupakan suatu proses untuk memisahkan antara satu objek dengan objek lainnya. Melalui segmentasi, objek pada citra dapat dipisahkan dan dapat digunakan sebagai masukan untuk melakukan proses yang lain. Segmentasi citra merupakan suatu teknik pengelompokkan (clustering) untuk citra, salah satunya dengan transformasi Watershed. Dengan metode ini, nilai keabuan (grayscale) yang dimiliki citra akan dikelompokkan (cluster) dengan mencari perbedaan nilai keabuan (grayscale) dari setiap piksel-nya untuk mengidentifikasi Bronchus dan Bronchiolus pada citra CTScan. Keberhasilan dan keakuratan metode ini dinilai berdasarkan hasil pengujian dengan teknik ROC memiliki persentase keakurasian sebesar 84.56% dan kuesioner yang diajukan kepada 11 responden dokter yang menyatakan sebesar 82% dengan aplikasi ini terdapat perbedaan signifikan terhadap bentuk bronchus dan bronchiolus terhadap citra asli dan citra hasil, serta sebesar 66% menyatakan memudahkan dalam melakukan identifikasi terhadap bentuk bronchus dan bronchiolus pada citra CTScan paru-paru. Kata Kunci : Segmentasi citra, CTScan Paru-paru, Transformasi Watershed.
Abstract - Segmentation is a process for separating one object with another object. Through segmentation, object in an image can be separated and can be used as input into another process. Image segmentation is a technique of clustering image, which one using Watershed transformation. This method, grayscale value from the image will be clustered with the differences of grayscale value in each pixel to identify the bronchi and bronchioles of CTScan image. The success and accuracy this method is based on the data obtained from the ROC method, the accuracy percentage assessed 84.56% and 11 questionnaires were submitted to respondents stated 82% using this application there are significant differences form of bronchi and bronchioles between original image and image result, and 66% stated this application is easy to identifying the form of bronchus and bronchioles in the lungs CTScan image. Keywords : image segmentation, CTScan of the lungs,Watershed Transformation.
I.
data juga merupakan ilmu yang dipelajari dalam pengolahan citra digital. Input dari pengolahan citra adalah citra, sedangkan outputnya adalah citra hasil pengolahan[1]. Segmentasi merupakan langkah pertama dan menjadi bagian penting dalam pengenalan objek (object recognition). Segmentasi merupakan teknik untuk membagi citra menjadi beberapa daerah (region) di mana setiap daerah memiliki kemiripan atribut antara lain : tingkat keabuan (grayscale), tekstur (texture), warna (color), dan gerakan (motion). Beberapa metode yang termasuk dalam
Pendahuluan
Pengolahan citra digital adalah sebuah disiplin ilmu yang mempelajari hal-hal yang berkaitan dengan perbaikan kualitas gambar, transformasi gambar, melakukan pemilihan citra ciri (feature images) pada gambar. Tujuan dari pengolahan citra digital ini adalah untuk analisis, penarikan informasi, deskripsi objek atau pengenalan objek yang terkandung pada citra.Kompresi atau reduksi data untuk tujuan penyimpanan data, transmisi data, dan waktu proses
1
segmentasi citra yaitu : (1) metode pengelompokkan (Clustering Methods), (2) Histogram-Based Methods, (3) Edge Detection Methods, (4) Region Growing Methods, (5) Level Set Methods, (6) Graph Partitioning Methods, (7) Watershed Transformation, (8) Model based segmentation, (9) Multi-scale segmentation, Semi-automatic segmentation [2]. Salah satu metode segmentasi yang dapat digunakan untuk mengelompokkan citra berdasarkan wilayah (region) yaitu transformasi Watershed. Penelitian yang melibatkan segmentasi citra CTScan paru-paru sudah pernah dibahas sebelumnya oleh Anitha dan Sridhar (2010) dalam penelitiannya yang berjudul “Segmentation of Lung Lobes And Nodules in CT Images “ menyajikan suatu metode otomatis untuk segmentasi paru-paru dalam citra CTScan. Penelitian ini memfokuskan dalam mencari adanya indikasi nodule atau bercak putih yang terdapat pada citra CTScan paru-paru [3]. Penelitian Masfran (2012) membahas segmentasi citra CTScan paru-paru dalam penelitiannya yang berjudul “ Segmentasi Tepi Citra CTScan paru-paru Menggunakan Chain Code dan Operasi Morfologi “. Penggunaan Chain Code dalam penelitian ini adalah untuk deteksi tepi objek paru-paru, sedangkan operasi morfologi digunakan untuk operasi pengolahan perbaikan bentuk citra [4]. Penelitian Ananda, dkk (2011) menggunakan metode MaxTree untuk membentuk pohon segmentasi sebagai representasi nodul paru-paru di CTScan. Kemudian attribute filters digunakan pada proses pruning tree untuk segmentasi kontruksi Max-Tree. Deteksi tepi citra medis merupakan langkah penting untuk pengenalan organ-organ manusia dan tahap preprocessing citra dalam segmentasi citra medis dan rekonstruksi citra [5]. Penelitian Shiying, dkk (2001) Menyajikan suatu metode otomatis untuk segmentasi paru-paru dalam citra CTScan. Metode ini memiliki tiga langkah utama. Pertama paru-paru diekstrak dari citra CTScan dengan gray-scale thresholding[6]. Penelitian Saleem, dkk (2011)menyajikan suatu metodologi untuk segmentasi paru-paru yang akurat. Mereka mengatasi masalah segmentasi paru-paru dalam dua langkah utama. Pada langkah pertama, wilayah paru-paru di ekstraksi dari latar belakang dan dada dari citra CT scan menggunakan algoritma region growing. Pada langkah kedua, wilayah paruparu diperhalus menggunakan algoritma k-means clustering yang dimodifikasi dari algoritma adaptive border marching[7]. Adapun perbedaan penelitian ini dengan penelitian sebelumnya adalah penelitian ini menggunakan bahasa pemrograman MATLAB, objek yang akan disegmentasi berupa objek hasil citra CTScan paru-paru bagian Bronchus dan Bronchiolus serta hasil dari citra tersebut berupa citra dengan hasil penajaman bentuk dari Bronchus dan Bronchiolus. Dalam melakukan proses segmentasi Bronchus dan Bronchiolus pada citra CTScan paru-
paru dilakukan proses pereduksian noise dengan menggunakan Median Filter. Pencarian tepi dari citra dengan menggunakan metode deteksi Sobel. Setelah itu, nilai keabuan (grayscale) yang dimiliki citra akan dikelompokkan (cluster) dengan mencari perbedaan nilai keabuan (grayscale) dari setiap pixel-nya menggunakan Watershed untuk melakukan segmentasi Bronchus dan Bronchiolus. Tujuan dari penelitian ini adalah : 1. Memperlihatkan citra hasil perbaikan segmentasi Bronchus dan Bronchiolus guna untuk mendeteksi maupun untuk perawatan penyakit pada paru-paru. 2. Membuat sebuah implementasi perangkat lunak yang dapat melakukan segmentasi Bronchus dan Bronchiolus pada citra CTScan Paru-paru dengan menggunakan metode metode transformasi Watershed. Manfaat dari penelitian ini adalah membuat aplikasi yang menampilkan hasil segmentasi Bronchus dan Bronchiolus pada citra CTScan paru– paru untuk memberikan informasi tertentu yang dapat digunakan oleh tenaga medis guna kepentingan tindakan lanjut medis, baik untuk mendeteksi maupun untuk perawatan penyakit pada paru-paru. Perumusan masalah dalam pembuatan penelitian ini adalah: 1. Bagaimana penilaian dokter terhadap perangkat lunak yang mampu melakukan identifikasi bentuk Bronchus dan Bronchiolus Pada Citra CTScan Paru-paru ? 2. Bagaimana keakurasian penggunaan transformasi Watershed saat melakukan Segmentasi Bronchus dan Bronchiolus Pada Citra CTScan Paru-paru? II.
Tinjauan Pustaka
2.1
Computed Tomografi (CT)
CTScanmerupakan perpaduan antara teknologi sinar-x, komputer, dan televisi sehingga mampu menampilkan gambar anatomis tubuh manusia dalam bentuk irisan atau slice [8]. Prinsip kerja dari CTScan yaitu hanya dapat memindai tubuh dengan irisan melintang tubuh (potongan axial). Namun dengan memanfaatkan teknologi komputer maka gambaran axial yang telah didapatkan dapat diformat kembali hingga didapatkan gambaran coronal, sagital, oblique, diagonal bahkan bentuk tiga dimensi dari objek tersebut [9].
2.2
Matlab
Matlab merupakan salah satu bahasa pemrograman yang dikembangkan oleh MathWorks. Matlab tidak hanya berfungsi sebagai alat visualisasi, yang berhubungan langsung dengan ilmu
2
Matematika. Oleh karena itu, Matlab umumnya digunakan oleh para programmer yang menghendaki kepraktisan dalam membuat program [10]. 2.3
-1 Sx =
Perbaikan Kualitas Citra 2.5
Metode Sobel merupakan metode yang menggunakan operator Sobel. Operator ini menggunakan dua buah kernel yang berukuran 3x3 piksel untuk penghitungan gradien sehingga perkiraan gradien berada tepat di tengah jendela. Misalkan susunan piksel-piksel di sekitar piksel (x,y) seperti Gambar 2.1. a1
a2
a7
(x,y)
a3
a6
a5
a4
2 1
Sy=
1
2
1
0 -1
0 -2
0 -1
Watershed Transformation
Transformasi Watershed merupakan turunan dari konsep morfologi. Konsep transformasi Watershed adalah dengan menganggap sebuah citra merupakan bentuk tiga dimensi yaitu posisi x dan y dengan masing-masing tingkatan warna yang dimilikinya. Posisi x dan y merupakan bidang dasar dan tingkat warna pixel, yang dalam hal ini adalah citra abu (graylevel) merupakan ketinggian (n) dengan anggapan bahwa nilai yang makin mendekati warna putih mempunyai ketinggian yang semakin tinggi. Dirumuskan max = n+1, dimana n adalah maksimum ketinggian graylevel. Dengan anggapan bentuk topografi tersebut, maka terdapat tiga macam titik yaitu: 1. Titik yang merupakan minimum regional. 2. Titik yang merupakan tempat setetes air dijatuhkan yang disebut catchment basin. 3. Titik yang merupakan dimana jika air dijatuhkan, maka air tersebut mempunyai kemungkinan untuk jatuh ke satu posisi minimum (tidak pasti jatuh ke sebuah titik minimum, tetapi dapat jatuh ke titik minimum tertentu atau titik minimum yang lain) disebut watershed line atau dam [13].
Deteksi Tepi Sobel
a0
0 0
1
Gambar 2.2Operator Sobel
Perbaikan kualitas citra salah satunya adalah pengurangan derau dapat dilakukan dengan pentapisan/operasi spatial (filtering). Pada proses pentapisan, nilai piksel baru umumnya dihitung berdasarkan tetangga. Median filter merupakan salah satu dari tapis Non-linear. Median filter menghitung nilai dari setiap baru, yaitu nilai pada pusat koordinat kernel dengan nilai tengah (median) dari di dalam kernel. Untuk ukuran kernel m baris dan n kolom maka banyaknya dalam kernel adalah (m x n). Akan lebih baik ukuran kernel adalah bilangan ganjil karena pada posisi tengahnya lebih pasti diperoleh, yaitu pada posisi (m x n +1)/2. Semua tetangga harus diurut sebelum menentukan posisi tengah [11]. 2.4
-2 -1
0
Gambar 2.1 Susunan piksel-piksel di sekitar piksel (x,y)
Berdasarkan susunan piksel tetangga tersebut, besaran gradien yang dihitung menggunakan operator Sobel adalah sebagai berikut. 𝐺 = √𝑆𝑥 2 + 𝑆𝑦 2 (1) Keterangan : G = besar gradien operator Sobel Sx = gradien Sobel arah horisontal Sy = gradien Sobel arah vertikal
Gambar 2.4 Konsep dasar Watershed (sumber : Adipranata, 2005)
2.6
Bronchus dan Bronchiolus
Bronchus adalah salah satu dari dua cabang besar trakea yang dilalui udara menuju dan dari paru-paru. Sedangkan Bronchiolus jalan napas kecilkecil (cabang-cabang bronkus) yang mengarah ke daerah-daerah paru-paru dan menyerap oksigen dari udara [14].
G adalah besar gradien di titik tengah kernel dan turunan parsial dihitung menggunakan persamaan berikut. Sx = (a2 +ca3+a4) - (a0 +ca7+a6) (2) Sy = (a0+ca1+a2) - (a6+ca5-a4) (3) dimana c adalah konstanta yang bernilai 2. Sx dan Sy diimplementasikan menjadi kernel ,dapat dilihat pada Gambar 2.3. [12].
3
IV.
Aplikasi segmentasi bronchus dan bronchiolus ini dibuat dengan menggunakan matlab. Aplikasi ini dibangun untuk memperlihatkan citra hasil perbaikan segmentasi bronchus dan bronchiolus menggunakan metode tranformasi watershed guna untuk mendeteksi maupun untuk perawatan penyakit paru-paru. Pada aplikasi ini hanya dapat menggunakan citra CTScan paru-paru dalam format DICOM sebagai input-annya. Ketika input-an berupa citra CTScan tersebut telah berhasil di-load pada aplikasi ini, maka tahapan berikutnya yaitu melihat hasil dari proses filter dari metode yang digunakan. Adapun terdapat 3 buah tahapan yang digunakan pada tugas akhir ini, yaitu proses penghilangan derau dengan Median Filter, deteksi tepi Sobel, dan Segmentasi bagian Bronchus dan Bronchiolus menggunakan Transformasi Watershed. Gambar 4.5 merupakan gambar tampilan aplikasi.
Gambar 2.3Bronchus dan Bronchiolus ( sumber : http://share1.wikispaces.com/131+respiration )
III. 3.1
Hasil dan Pembahasan
Rancangan Aplikasi Blok Diagram Berikut adalah blok diagram sistem: Input Citra CTScan Paruparu
Pengurangan derau / noise menggunakan median filter
Deteksi Tepi citra dengan metode Sobel
Segmentasi bagian Bronchus dan Bronchiolus dengan transformasi Watershed
Gambar 4.5 Tampilan Aplikasi
Tahapan pertama yaitu proses pengurangan derau pada citra dengan menggunakan Median Filter. Adapun proses pengurangan derau tersebut, dapat dilihat pada Gambar 4.6.
Citra Hasil Perbaikan
Gambar 3.1 Blok diagram sistem
Berdasarkan blok diagram sistem pada gambar 3.1, dapat dijelaskan mengenai sistem yang dapat digunakan oleh user. Pada tahapan awal, user menginputkan sebuah citra, dalam kasus ini berupa citra CTScan dengan format DICOM. Kemudian citra tersebut diproses dengan menggunakan median filter guna untuk menghilangkan noise atau derau yang terdapat pada citra tersebut. Tahap berikutnya, citra diproses menggunakan metode sobel, guna untuk mendeteksi tepi garis dari citra. Dan kemudian diaplikasikan metode morfologi watershed untuk mengelompokkan piksel citra yang bernilai 0 dan 1. Pengelompokkan ini berguna untuk mempertajam bagian dari bentuk bronchus dan bronchiolus pada citra CTScan paru-paru. Kemudian, hasil citra yang sudah diproses menggunakan transformasi watershed tersebut, akan digabungkan kembali terhadap citra aslinya.
Gambar 4.6 Citra pengurangan derau
Pada Gambar 4.6 proses pengurangan derau-nya kurang begitu terlihat jelas. Namun, proses pengurangan derau tersebut akan terlihat jelas saat citra sudah di threshold. Tahapan kedua yaitu, dilakukan deteksi tepi dengan menggunakan metode deteksi tepi Sobel. Proses ini dapat dilihat pada Gambar 4.7.
4
Emira Maknun, dr. Evi Wulandari, dr. Fira Septiyadi, dr. Fitria Handayani, dr. Maya, dr. Mike, dr. Rio, dr. Sri Wahyuni Putri, dr. Olva Irwana, dan dr. Zet Muliady di wilayah Kelurahan Delima, Kecamatan Tampan. Berdasarkan dari hasil pengamatan tersebut, maka didapat nilai dari 4 karakteristik terhadap hasil perbandingan pengamatan dokter berdasarkan citra asli dan citra hasil.True Positive (TP) merupakan kuadran yang menyatakan pernyataan responden terhadap citra hasil yang secara benar disegmentasi sebagai bagian dari Bronchus dan Bronchiolus di citra CTScan paru-paru. False negative (FN) merupakan kuadran yang menyatakan pernyataan responden terhadap citra hasil yang tidak benar dianggap sebagai bagian dariBronchus dan Bronchiolus di citra CTScan paru-paru. False Positive (FP)merupakan kuadran yang menyatakan pernyataan responden terhadap citra hasil yang tidak tepat disegmentasikan sebagai bukanbagian dari Bronchus dan Bronchiolus. True Negative(TN) merupakan kuadran yang menyatakan pernyataan responden terhadap citra hasil yang tepat disegmentasikan sebagai bukanbagian dari Bronchus dan Bronchiolus. Data hasilnya dapat dilihat pada Tabel 4.1 berikut:
Gambar 4.7 Citra deteksi tepi sobel
Kemudian tahapan berikutnya yaitu, proses Threshold. Proses Threshold ini digunakan untuk mempermudah proses pengelompokkan nilai 0 dan 1 yang terdapat pada setiap pixel citra CTScan paruparu ketika menggunakan TransformasiWatershed. Proses Threshold dapat dilihat pada Gambar 4.8.
Gambar 4.8 Citra setelah di Threshold Tabel 4.1 Nilai hasil dari pengamatan pengujian metode
Pada Gambar 4.8, terdapat tanda panah. Tanda panah tersebut merupakan jenis derau yang masih tersisa ketika proses Median Filter digunakan. Tahapan berikutnya yaitu, penggunaan Transformasi Watershed untuk dapat memperjelas bagian Bronchus dan Bronchiolus pada Citra CTScan paruparu. Proses Transformasi Watershed dapat dilihat pada Gambar 4.9.
Dari Tabel 4.1, nilai dari TP (True Positif), TN (True Negatif), FN (False Negatif), dan FP (False Positif) didapat berdasarkan dari hasil jumlah responden yang menyatakan bahwa pada citra tersebut memiliki penilaian berdasarkan 4 karakteristik ROC. Dari data tersebut,kemudian dibuat dalam bentuk kurva grafik ROC seperti tampak pada Gambar 4.1. Kurva ROC menunjukkan TPR (True Positif Rate) sebagai axis Y dan FPR (False Positive Rate)sebagai axis X. FPR (False Positive Rate) merupakan merupakan nilai dari hasil pengamatan responden yang kurang tepat diidentifikasi sebagai bagian dari Bronchus dan Bronchiolus. NilaiFPR didapatkan dengan menggunakan rumus sebagai berikut: FP False Positif Rate (FPR) =
Gambar 4.9 Citra hasil penggunaan TransformasiWatershed
4.1
Pengujian
Sistem
dengan
Receiver
Operating Characteristic (ROC) Pengujian sistem dengan menggunakan ROC ini, dilakukan pada 10 buah citra CTScan paru-paru dari 1 pasien yang diunduh dari situs https://public.cancerimagingarchive.net/ncia . Teknik pengujian ini dilakukan berdasarkan dari hasil pengamatan oleh 11 responden dokter. Diantaranya 1 dokter spesialis paru yaitu dr. Adrianison, Sp.P dan 10 dokter umum yaitu dr.
FP+TN
5
lebih akurat dengan rumus : Nilai Rata-rata (mean) = ∑ fi.xi ∑ fi Tujuan dari aplikasi ini adalah untuk memperlihatkan citra hasil perbaikan segmentasi Bronchus dan Bronchiolus guna untuk mendeteksi maupun untuk perawatan penyakit pada paru-paru, serta mengimplementasi perangkat lunak yang dapat melakukan segmentasi Bronchus dan Bronchiolus pada citra CTScan Paru-paru dengan menggunakan metode transformasi Watershed. Untuk pertanyaan pertama, mengenai aplikasi ini mudah dalam penggunaannya, mendapatkan nilai rata-rata sebagai berikut : = (0x1)+(0x2)+(3x3)+(7x4)+(1x5) (10x5) = 0,84 atau 84 % Untuk pertanyaan kedua, dengan aplikasi ini terdapat perbedaan yang signifikan terhadap bentuk Bronchus dan Bronchiolus pada citra asli dan citra hasil. Mendapatkan nilai rata-rata sebagai berikut : = (0x1)+(1x2)+(3x3)+(5x4)+(2x5) (10x5) = 0,82 atau 82 % Dan untuk pertanyaan terakhir, aplikasi ini memudahkandalam melakukan identifikasi terhadap bentuk Bronchus dan Bronchiolus pada citra CTScan Paru-paru. Mendapatkan nilai rata-rata sebagai berikut : = (0x1)+(0x2)+(3x3)+(8x4)+(0x5) (10x5) = 0.66 atau 66 % Berdasarkan perhitungan dengan skala likert maka dapat disimpulkan sebesar 84% responden menyatakan aplikasi ini mudah dalam penggunaannya, 82% responden menyatakan dengan aplikasi ini terdapat perbedaan yang signifikan terhadap bentuk Bronchus dan Bronchiolus pada citra asli dan citra hasildan 66% mengatakan memudahkandalam melakukan identifikasi terhadap bentuk Bronchus dan Bronchiolus pada citra CTScan Paru-paru.
Gambar 4.10 Kurva Grafik ROC
Berdasarkan Gambar 4.10, dapat disimpulkan bahwa keberadaan titik-titik yang membentuk grafik berada dalam kategori “better “, sehingga hal ini menyatakan proses segmentasi terhadap bentuk Bronchus dan Bronchiolus menggunakan transformasi Watershed cukup baik. Namun dapat dilihat garis yang terbentuk pada grafik tidak beraturan. Hal ini disebabkan pada titik tersebut terdapat perbedaan opini dari hasil pengamatan pada 11 orang responden dokter terhadap citra hasil CTScan paru-paru ketika mengidentifikasi bentuk Bronchus dan Bronchiolus. Pada hasil pengujian yang terlihat pada Tabel 4.1, persentase keakurasian transformasi Watershed untuk identifikasi bentuk Bronchus dan Bronchiolus sebesar 84.56%. 4.2
Pengujian Aplikasi dengan Kuesioner Pengujian aplikasi dilakukan dengan menggunakan metode kuesioner. Pengujian kuesioner dilakukan pada 11 responden dokter. Diantaranya 1 dokter spesialis paru yaitu dr. Adrianison, Sp.P dan 10 dokter umum yaitu dr.Emira Maknun, dr.Evi Wulandari, dr.Fira Septiyadi, dr.Fitria Handayani, dr.Maya, dr.Mike, dr.Rio, dr.Sri Wahyuni Putri, dr.Olva Irwana, dan dr.Zet Muliady di wilayah Kelurahan Delima, Kecamatan Tampan.Pengujian dilakukan untuk mengetahui bahwa aplikasi yang dibuat telah berjalan dengan baik dan benar dalam melakukan proses segmentasi terhadap bentuk Bronchus dan Bronchiolus pada citra CTScan. Pada Tabel 4.2 dijelaskan mengenai pengujian yang telah dilakukan.
V.
Tabel 4.2. Rekapitulasi hasil kuesioner oleh responden
Kesimpulan dan Saran
Kesimpulan yang dapat diambil dari pengujian dan analisa yang telah dilakukan pada penelitian ini adalah sebagai berikut: 1. Dari kuesioner yang diberikan kepada responden dokter bahwa aplikasi ini memudahkan dokter dalam melakukan identifikasi terhadap bentuk Bronchus dan Bronchiolus pada citra CTScan paru-paru guna untuk mendeteksi maupun untuk perawatan penyakit paru-paru. 2. Persentase keakurasian penggunaan metode Watershed menghasilkan citra dengan bentuk segmentasi terhadap Bronchus dan Bronchiolus menjadi lebih jelas dibanding bentuk citra aslinya sebesar 84.56%.
Berdasarkan Tabel 4.2, dapat dilakukan analisa skala likert untuk menghasilkan data yang
6
Adapun saran untuk penelitian ini adalah diperlukan suatu proses pre-processing yang lebih akurat seperti K-Mean Clustering untuk mengatasi segmentasi yang berlebihan ketika menggunakan metode Watershed.
[6]
Daftar Pustaka
[7]
[1] [2]
[3]
[4]
[5]
Sutoyo,T,dkk.(2009). Teori Pengolahan Citra Digital. Yogyakarta : Penerbit Andi. Munir, Rinaldi. (2004). Pengolahan Citra Digital dengan Pendekatan Algoritmik. Bandung: Informatika. Anitha dan Sridhar. (2010). Segmentation of Lung Lobes And Trachea dan Alveolus es in CT Images, An International Journal (SIPIJ) Vol.1, No.1. Masfran.(2012). Segmentasi Tepi Citra CTScan paru-paru Menggunakan Chain Code dan Operasi Morfologi. Politeknik Caltex Riau. Ananda, Ketut Edy Purnama, dan Mauridhi Hery Purnomo. (2011). Segmentasi Nodul pada Citra Computed TomographyParu-Paru Menggunakan Max-Tree dan Atribute Filters. International Conference on Instrumentation, Communication, Information Technology and Biomedical Engineering 8-9 November 2011, Bandung, Indonesia.
[8] [9]
[10]
[11] [12] [13]
[14]
7
Hu, Shiying., Hoffman, Eric A. and Reinhardt, Joseph M. (2001).IEEETransactions on Medical Imaging. Automatic LungSegmentation forAccurateQuantitation of Volumetric XRay CT Images. 20(6), hal.490-498. Iqbal, Saleem,. Iqbal, Khalid. (2011). International Journal of AcademicResearch. Lungs Segmentation for ComputerAided Diagnosis.3(5),hal.161-166. Rasad, dkk. (1999). Radiologi Diagnostik . Jakarta : Gaya baru. Tortorici,M.R,(1995). Advanced RadioRadiographic and Angiographic Procedures with an Introduction to Spealized Imaging. F. A Davis Company, Philadelphia. Wijaya, Marvin Ch dan Agus Prijono. (2007). Pengolahan Citra Digital Menggunakan Matlab. Bandung : Informatika Bandung. Putra, Darma. (2010). Pengolahan Citra Digital. Yogyakarta: Penerbit ANDI. Sutoyo,T,dkk.(2009). Teori Pengolahan Citra Digital. Yogyakarta : Penerbit Andi Adipranata, Rudy, dkk. (2005). Perancangan Dan Pembuatan Aplikasi Segmentasi Gambar Dengan Menggunakan Metode Morphological Watershed. Surabaya : Universitas Kristen Petra. Evelyn C.Pearce.(2000). Anatomi dan Fisiologi untuk Paramedis. Jakarta : Penerbit PT.GRAMEDIA.
