net/publication/320923066
CITATIONS READS
0 1,418
2 authors, including:
Adam Bryants
1 PUBLICATION 0 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Adam Bryants on 16 November 2017.
--
Abstract - Tuberkulosis (TB) disebabkan oleh bakteri rontgen dada normal dan abnormal. Motivasi dibalik
yang disebut bacillus Mycobacterium tuberculosis. Bakteri proyek ini adalah pemutaran massal populasi besar yang
utamanya menyerang paru-paru. Ada beberapa antibiotik tidak layak secara manual. Segmentasi k-means clustering
digunakan untuk menyegmentasikan bagian paru dari
yang tersedia di Indonesia untuk menyembuhkan TB.
radiografi dada. Metode ekstraksi fitur bentuk dan tekstur
Namun tuberkulosis paling banyak terjadi di India. Sekitar digunakan untuk mengekstrak fitur bentuk dan tekstur
dua juta orang terinfeksi tuberkulosis. India memiliki jumlah dari lapangan paru tersegmentasi dan klasifikasi jarak
penderita TB tertinggi menurut statistik Organisasi Euclidean digunakan untuk mengklasifikasikan x-ray dada
Kesehatan Dunia (WHO). Bila dibiarkan tidak terdiagnosis, menjadi x-ray normal atau abnormal. Sistem menunjukkan
akan menyebabkan tingkat kematian pasien dengan yang akurasi 70% pada dataset gambar uji dan spesifisitas 70%
tinggi. Jadi dibutuhkan sistem skrining tuberkulosis yang sedangkan sensitivitas sistem adalah 70% pada dataset
akurat. Dalam penelitian ini, sistem skrining tuberkulosis gambar uji. Makalah dibagi menjadi 6 bagian. Bagian 2
dengan menggunakan radiografi dada. Pertama, daerah menjelaskan tinjauan literatur tentang sistem yang
paru diekstraksi menggunakan metode segmentasi k-means diterapkan. Bagian 3 menyajikan informasi tentang dataset
clustering. Untuk daerah paru-paru ini, satu set fitur tekstur gambar yang digunakan dalam percobaan. Pada Bagian 4,
pembahasan rinci tentang segmentasi paru-paru, ekstraksi
dan fitur bentuk dihitung yang memenuhi syarat sinar-X
ciri dan klasifikasi disajikan. Hasil percobaan praktis
untuk diklasifikasikan sebagai normal atau abnormal berikut di Bagian 5. Akhirnya, kesimpulan diakhiri dengan
dengan menggunakan jarak Euclidean sebuah kertas.
pengklasifikasi. Kinerja sistem ini diukur pada dataset yang
dikumpulkan oleh program pengendalian tuberkulosis di
departemen kesehatan di Amerika Serikat.
2. S T U D I LITERATURE
Key Words: euclidean distance, k-means clustering,
tuberculosis (TB) Ada empat bidang penting yang dengannya kita dapat
meninjau literatur yang berkaitan dengan analisis
komputer terhadap radiografi dada. Area tersebut adalah
Teknik yang berkaitan dengan Image pre-processing,
1. PENDAHULUAN
Algoritma yang berkaitan dengan Segmentasi bagian paru,
TB paling banyak terjadi di India. India memiliki sekitar Metode ekstraksi fitur Metode klasifikasi gambar. B. van
dua juta orang terinfeksi Tuberkulosis. India memiliki Ginneken dan B. Ter Haar Romeny (2000) menerbitkan
jumlah penderita TB tertinggi menurut statistik Organisasi makalah penelitian tentang segmentasi bidang paru-paru
Kesehatan Dunia (WHO). Penyakit tuberkulosis dipicu oleh di radiografi dada. Dalam tulisan ini penulis telah
bacillus mycobacterium tuberculosis yang terutama mengusulkan algoritma segmentasi bidang paru pada
menyerang paru-paru. Orang dengan HIV / AIDS lebih radiograf dada. Metode segmentasi yaitu Matching,
rentan terhadap tuberkulosis. Bila dibiarkan tidak Klasifikasi Pixel: Lokasi, Klasifikasi berdasarkan klasifikasi
terdiagnosis angka kematian TBC tinggi. Jadi dibutuhkan pixel berdasarkan penalaran dan koreksi dengan klasifikasi
sistem penyaringan tuberkulosis yang akurat. Ada banyak pixel dibandingkan parameter kinerja. Akurasi, sensitivitas,
antibiotik yang tersedia untuk pengobatan tuberkulosis spesifisitas adalah parameter kinerja yang digunakan oleh
tetapi ketika TB membiarkan angka kematian yang tidak penulis untuk membandingkan kinerja skema segmentasi
diobati meningkat. Pada tingkat penyembuhan uji klinis TB yang disebutkan di atas. Penulis mengetahui metode
tidak begitu tinggi, sekitar 90%. segmentasi berdasarkan aturan lebih baik daripada
metode klasifikasi piksel.
Rontgen dada pasien adalah salah satu alat skrining TB Skema segmentasi berbasis aturan yang dikembangkan
yang penting. Dalam tulisan ini, sistem skrining dalam makalah ini cukup kuat dan akurat namun tetap
tuberkulosis dengan menggunakan radiografi dada dapat ditingkatkan dengan beberapa cara,
disajikan. Diimplementasikan skrining diidentifikasi
| | |
Jurnal TekSains Universitas Putra Harapan
Volume: 02 No. 01 | Juli-2015
| | |
Jurnal TekSains Universitas
niversitas Putra Harapan
Volume: 02 No. 01 | Juli-2015
4.2 Features 9) Perimeter: Parameter ini menentukan keliling
Untuk mengetahui kelainan pada bidang Paru wilayah yang terhubung.
terhubung
tersegmentasi, bentuk dan tekstur diekstraksi dari 10) Soliditas: soliditas adalah skalar yang menentukan
lapangan paru. Matriks koaksial tingkat abu-abu
abu pertama proporsi piksel di wilayah yang terhubung. Dipadu
D
dari input chest x ray dihitung.
g. Vektor fitur dibentuk dari dengan Area Area / Convex.
Convex
matriks ko-kemunculan tingkat abu-abuabu dari sinar X dada
masukan. Empat fitur diekstrak dari citra input yaitu 4.3 Klasifikasi
energi, homogenitas, korelasi, kontras. Bentuk fitur Pengelompokan jarak jauh Euclidean adalah metode
gambar tersegmentasi juga dihitung seperti area, panjang klasifikasi sederhana dibandingkan dengan penyangga
sumbu utama dll. vektor mesin vektor. Pengelompokan jarak jauh Euclidean
mengetahui jarak Euclidean antara vektor target dan vektor
1) Kontras:mendefinisikan
mendefinisikan kontras intensitas antara fitur untuk
uk mengklasifikasikan rontgen dada normal dan
piksel dan tetangganya yang terdekat dengan abnormal. Euclidean distance classifier mengklasifikasikan
keseluruhan gambar tes x-ray
ray dada. gambar tes input seperti rontgen dada normal dan
abnormal sebagai berikut:
(1) 1) Bentuk matriks pelatihan dengan ukuran 10 * 22
dengan mengekstrak 10 bentuk
bentu dan tekstur dari 22
Dimana dan menunjukkan indeks baris dan gambar dan menghitung mean matriks pelatihan.
2) Bentuk vektor fitur query gambar tes input dengan
kolom gambar, menunjukkan probabilitas pixel mengekstrak fitur gambar uji dan menghitung mean
memiliki indeks ( , ) dari vektor fitur.
3) Cari tahu jarak Euclidean antara rata-rata
rata vektor
2) Korelasi: mendefinisikan bagaimana piksel fitur query dann mean matriks pelatihan dengan
berkorelasi dengan tetangganya yang terdekat menggunakan rumus berikut
dengan keseluruhan citra tes sinar-X
sinar dada.
(5)
| | |
Jurnal TekSains Universitas
niversitas Putra Harapan
Volume: 02 No. 01 | Juli-2015
Feature Value
descriptors
Energy 0.0039
Gambar-5:
5: hasil klasifikasi dari gambar 4
Contrast 1186.1 5.4 Unjuk Kerja
Eccentricity 0.6976 Spesifisitas: jika hasil tes untuk tes yang sangat
spesifik positif, Anda dapat benar-benar
benar yakin
Major Axis 180.59 bahwa mereka benar-benar
benar memiliki penyakit
ini.
Length
*100 (7)
Minor Axis 129.38
Length: Accuracy:
| | |
Jurnal TekSains Universitas Putra Harapan
Volume: 02 No. 01 | Juli-2015
2656, Nov. 2010
Table -2: Tabel Performansi parameter sistem [5] B. van Ginneken, S. Katsuragawa, B. ter Haar Romeny,
K. Doi, andM. Viergever, “Automatic detection of
Performance Nilai abnormalities in chest radiographs using local texture
parameter analysis,” IEEE Trans. Med. Imag., vol. 21, no. 2, pp.
139–149, Feb. 2002
[12] Liwei Wang , Yan Zhang ,Jufu Feng “On the Euclidean
REFERENSI
Distance of Images” Med. Phys., vol. 27, no. 10, pp.
2445–2455, 2000
[1] Jaeger S, Karargyris A, Candemir S, Folio L, Siegelman
J, Callaghan FM, Xue Z, Palaniappan K, Singh R K,
Antani S K. “Automatic tuberculosis screening using
chest radiographs”.IEEE Trans Med Imaging 2014
.PMID: 24108713
| | |