Abstract
In this research, we exctract and identify MRI brain images based on eigbrain image.
MRI barain images are used to be input for feature exctraction and identitication. Feature
exctraction is done by using the eigbrain image. For all reference image, we find image mean
and eigbrain image, and the results are stored. If there is test image, we will find the nearest
distance of eigenbrain between test image and reference images. The feature extraction is used
to identify the image is whether the normal brain image or the brain image with tumor. The
results show that the method successfully classifies MRI images into tree clusters: normal,
glioma, and metastase. The input test images can be identified accurately 100% for image
sizes from 256 x 256 pixels to 64 x 64 pixels.
Keywords : feature extraction, image identification, MRI medical image, eigenbrain image.
area tertentu citra satelit, namun metode ini hanya pencitraan MRI mempunyai kemampuan untuk
unggul diterapkan untuk objek citra satelit, dan memperlihatkan anatomi jaringan lunak lebih baik.
kurang tepat jika diterapkan untuk objek citra MRI adalah suatu teknik pencitraan medis
medis. Penelitian lain dilakukan oleh Kekre, dkk. dalam pemeriksaan diagnostik radioogi, yang
(2011) yang mengekstraksi ciri citra dengan menghasilkan rekaman citra potongan penampang
metode wavelet transform. Metode ini diterapkan tubuh atau organ manusia dengan menggunakan
untuk citra yang umum seperti citra dinosaurus, medan magnet dan resonansi getaran terhadap inti
bunga, kartun, dan lain-lain yang masing-masing atom hidrogen. Teknologi ini memanfaatkan sifat
kelompok citra mempunyai ciri yang berbeda, atom hidrogen, dikarenakan pada sebagian besar
sehingga untuk mengenali ciri masing-masing tubuh manusia terdapat atom hidrogen.
kelompok citra ini tidak membutuhkan tingkat Dapat juga dikatakan bahwa MRI merupakan
kesuitan tinggi, Ryu, dkk. (2011) melakukan alat diagnostik imaging atau alat pemeriksaan
peningkatan ekstraksi ciri untuk citra sidik jari radiologi berteknologi tinggi, yang menggunakan
yang mempunyai kualitas rendah. Dari hasil medan magnet yang besar, frequensi radio tertentu
penelitian didapatkan bahwa dengan mengguna- dan seperangkat detektor dan pengolahan data
kan metode resonans stokastik dapat mengurangi untuk menghasilkan gambaran potongan-potongan
derau sehingga meningkatkan kualitas citra sidik anatomi tubuh manusia. Dengan pencitraan MRI
jari. Sedang Blahuta dkk. (2011) menggunakan dapat dihasilkan potongan atau irisan (slice)
jaringan neural dengan pembelajaran terbimbing melintang atau tegak sesuai dengan kebutuhan.
dan tak terbimbing untuk mengenali citra ultra- Keunggulan pencitraan medis MRI jika
sound. Berdasarkan hasil penelitian dadapatkan dibandingkan dengan pencitraan medis lainnya
bahwa keberhasilan mengenali satu jenis kelainan adalah sebagai berikut (Soesanti, dkk., 2010) :
adalah sebesar 77,58%. Penelitian-penelitian
tentang pengolahan citra medis telah berkembang 1. MRI unggul untuk mendeteksi beberapa ke-
hingga saat ini. Penelitian ini dilakukan oleh lainan pada jaringan lunak seperti otak dan
Khaligi, Li dkk. (2002), Zhang dkk. (2011), sumsum tulang.
Soesanti dkk. (2009), Soesanti dkk. (2010), dan 2. Mampu memberi gambaran detail anatomi
Soesanti dkk. (2011) yang meneliti tentang dengan lebih jelas.
analisis citra medis dan segmentasi citra adaptif. 3. Mampu melakukan pemeriksaan fungsional yang
Citra medis yang menjadi objek penelitiannya lebih baik.
adalah citra medis MRI (Magnetic Resonance 4. Mampu membuat gambaran potongan axial,
Imaging). coronal, dan sagitall tanpa mengubah posisi
pasien. Masing-masing citra potongan ini dapat
2. Fundamental terdiri atas beberapa slice dengan ketebalan
slice yang ditentukan.
Metode yang digunakan pada penelitian ini
5. MRI tidak menggunakan radiasi pengion.
adalah metode sistem cerdas dengan berbasis pada
eigenbrain image yang dapat secara otomatis
Prinsip dasar MRI dijelaskan sebagai berikut
melakukan segmentasi, ekstraksi ciri, klasifikasi,
(Soesanti, dkk., 2011) :
sampai dengan identifikasi. Dengan berbasis
sistem cerdas maka langkah-langkah pengolahan
a. Struktur atom hidrogen dalam tubuh manusia
dapat lebih cepat dan mempunyai keakuratan
saat di luar medan magnet berarah acak dan
yang tinggi, yang dapat dibuktikan dalam
tidak membentuk keseimbangan.
ketepatan mengidentifikasi. Tentang metode
b. Saat diletakkan dalam alat MRI, atom H akan se-
eigenbrain image akan diuraikan lebih lanjut pada
jajar dengan arah medan magnet.
bagian metodologi.
c. Saat diberikan Radio Frequency, atom H akan
Pada pencitraan MRI tidak digunakan radiasi,
mengabsorsi energi dari RF. RF yang diberikan
namun memanfaatkan medan magnet dan
sesuai dengan nisbah giromagnetik yang sesuai
frequensi radio (RF, Radio Frequency). Selain itu,
dengan magnet dipol , dan momentum sudut J Ekstraksi ciri juga dapat dilakukan dengan cara
yang dimiliki inti atom. melihat sifat-sifat tertentu pada citra yang dapat
menjadi ciri kuat untuk tujuan yang telah
= || / | J | (1) ditentukan. Ciri ini dapat dilihat dalam ciri pada
kawasan spasial maupun pada kawasan spektral,
untuk atom hidrogen = 43 Mhz/T. tergantung pada kasus dan tujuan analisis yang
d. Dengan bertambahnya energi, atom H akan dilakukan. Analisis citra dapat diterapkan pada
mengalami pembengkokan sesuai besar dan kelainan citra otak MRI yang sering terjadi, yakni
lama energi RF yang diberikan. tumor glioma, ataupun tumor metastasis (Besese,
e. Saat RF dihentikan, atom H akan sejajar kembali 1991). Ekstraksi ciri merupakan kegitan yang
dengan arah medan magnet. Pada saat kembali sangat diperlukan dalam usaha memahami ciri
inilah, atom H akan memancarkan energi yang citra secara lengkap.
dimilikinya.
f. Energi yang berupa sinyal tersebut dideteksi 3. Metodologi
dengan detektor yang khusus dan diperkuat.
Selanjutnya komputer akan mengolah dan Klasifikasi citra berbasis eigenbrain image
merekonstruksi citra berdasarkan sinyal yang dapat dilakukan dengan algoritma sebagai berikut :
diperolah dari berbagai irisan.
Pada proses analisis citra, dari hasil 1. Masukan sistem ini adalah citra yang berukuran
pengolahan citra kemudian dilakukan analisis lebih m * n,
lanjut yang menggambarkan ciri atau fitur objek 2. Menghitung mean image,
serta dapat mengelompokkan maupun mengenali 3. Mengurangi setiap citra dengan mean image,
objek ke dalam kategori atau klas dengan sifat 4. Menentukan eigenbrain image.
tertentu. 5. Menyimpan hasil eigenbrain image.
Pada kasus citra otak MRI, dapat diperoleh 6. Jika terdapat citra uji, ditentukan eigenbrain
beberapa kelompok, antara lain: image citra uji.
1. Citra otak normal, yakni jika tidak terdapat lesi, 7. Mencari jarak terdekat dengan eigenbrain
serta sistem ventricular juga tidak melebar dan image yang telah disimpan.
letaknya median atau tetap tengah, 8. Menentukan klasifikasi citra.
2. Citra otak dengan tumor glioma, yakni jika
terdapat lesi, serta dimungkinkan sistem Langkah-langkah yang dilaksanakan pada
ventricular berubah bentuk, terdesak, atau penelitian ekstraksi ciri dan identifikasi citra MRI
letaknya tidak median, ini pada Gambar 1. Dari hasil yang diperoleh pada
3. Citra otak dengan tumor metastasis, yakni jika penerapan perangkat lunak, kemudian dianalisis
terdapat beberapa lesi, yang berarti sudah terjadi untuk mengetahui unjuk kerja perangkat lunak dan
penyebaran tumor, serta dimungkinkan metode yang digunakan.
mengganggu area-area di sekitarnya. Ekstraksi ciri citra dapat dilakukan dengan
Analisis citra medis pada dasarnya melibatkan berbagai algoritma, namun dalam penelitian ini
studi tentang: digunakan metode dengan eigenbrain image yang
mempertimbangkan komputasi singkat dan
a) Segmentasi citra, sedarhana dengan keakuratan yang tinggi.
b) Ekstraksi ciri, dan Hasil penerapan perangkat lunak diujikan
c) Klasifikasi dan pengenalan citra. pada citra otak MRI normal, glioma, dan
metastasis. Kemudian hasil ini dianalisis
Cara yang dapat digunakan dalam langkah
mengekstraksi ciri citra salah satunya adalah keakuratan identifikasinya dengan ukuran piksel
citra yang terus menurun dari 256x256 hingga
menggunakan deteksi tepi, yakni kegiatan
pengolahan citra dalam rangka untuk mempertegas 64x64 piksel.
batas-batas tepi area objek yang kurang jelas.
5. Kesimpulan
MRI dapat diklasifikasi menjadi citra otak MRI
Metode eigenbrain image yang digunakan normal, glioma, dan metastasis. Identifikasi yang
untuk ekstraksi ciri dan identifikasi pada citra dilakukan mempunyai ketepatan identifikasi yang
otak MRI, telah berhasil dengan cara mencari tinggi, yakni 100% pada ukuran citra yang
jarak terdekat antara citra referensi dengan citra menurun dari 256 x 256 piksel sampai dengan 64 x
uji. Hasil penelitian menunjukkan ahwa citra 64 piksel.