Ciri Statistis Histogram Citra Sinar-X Untuk Deteksi Tb Paru Dengan Komputer

Ratnasari N R, Nurokhim Nurokhim

Sari


Penelitian ini mengembangkan metode pendeteksian penyakit TB paru dengan komputer menggunakan ciri statistis histogram citra sinar-X digital. Pendeteksian meliputi pra-proses ekualisasi histogram, proses segmentasi citra dengan pengambilan area paru berdasar ROI template, ekstraksi ciri statistis histogram citra dengan metode PCA (Principle Componen Analysis), dan klasifikasi dengan minimum distance clasifier. Uji coba memperlihatkan metode histogram ekualisasi dan penggunaan ROI template yang tepat memberi kontribusi positif dalam kalkulasi ciri statistis histogram citra. Penerapan tranformasi PCA dalam ekstraksi ciri dan dikombinasikan dengan fungsi pengklasifikasi minimum distance classifier memperlihatkan hasil uji pendeteksian yang cukup baik. Pada uji coba dengan data citra uji primer, pada penggunaan jarak Mahalanobis akurasi pendeteksian mencapai 95,455%, sedangkan pada penggunaan jarak Euclidean, dengan akurasi mencapai 94,318%. Meskipun demikian, hasil uji coba penerapan metoda ini pada data citra sekunder tidak memperlihatkan akurasi sebaik pada penerapan pada data citra primer. Kondisi data citra sekunder berbeda dengan citra primer menjadi penyebab perbedaan akurasi tersebut, dan menjadi peluang penelitian lanjutan untuk mengatasi perbedaan tersebut. .
Kata-kata kunci: TB paru, citra sinar-X, ciri statistik

Teks Lengkap:

PDF

Referensi


Pusponegoro, Hardiono D., “Standar Pelayanan Medis Kesehatan Anak”, first ed., Badan Penerbit IDAI, Indonesia, (2005).

Depkes, 2011. ”Strategi Nasional Pengendalian TB di Indonesia 2010 – 2014”.

Research and Development Team Health Professional Education Quality (HPEQ) Project. “Potret Ketersediaan Dan Kebutuhan Tenaga Dokter”, Ditjen Dikti Kemendikbud, 2010.

Kachanubal, T., Udomhunsakul, S. 2008, “Rock Textures Classification Based on Texturaland Spectral Features. World Academy of Science”, Engineering and Technology 39, (2008) 110 – 116.

Mitrea, D., S.Nedevschi, M.Lupsor, R.Badea, “Exploring the Textural Parameters obtained from Ultrasound Images for Modeling the Liver Pathological Stages in the Evolution towards Hepatocellular Carcinoma”, In IEEE Conference of Automation, Quality and Testing, Robotics, vol. 3, no., pp.128-133, 22-25 May. 2008

Aggarwal, N.; R. K. Agrawal, “First and Second Order Statistics Features for Classification of Magnetic Resonance Brain Images,” Journal of Signal and Information Processing, 2012, 3, 146-153.

Partridge, M., & Calvo, R. A. 1998. “Fast dimensionality reduction and simple PCA”, Intelligent Data Analysis, 2(1-4), 1998, 203-214.

Candemir S, Jaeger S, Musco J, Xue Z, Karargyris A, Antani SK, Thoma GR, Palaniappan K., “Lung Segmentation in Chest Radiographs Using Anatomical Atlases With Nonrigid Registration”. In IEEE Transactions on Medical Imaging, Vol. 33, No.2, pp. 577 – 590, February, 2014..

Jaeger S, Karargyris A, Candemir s, Folio L, Siegelman J, Callaghan FM, Xue Z, Palaniappan K, Singh RK Antani SK. “Automated tuberculosis screening using chest radiograph”. In IEEE Transactions on Medical Imaging, Vol. 33, No.2, pp. 233 – 245, February, 2014..

Gonzalez, R. C. and R. E. Woods, “Digital Image Processing”, third ed., Pearson Education, New Jersey, 2008.




DOI: http://dx.doi.org/10.33387/protk.v3i1.36

Refbacks

  • Saat ini tidak ada refbacks.


Editorial Office :
Program Studi Teknik Elektro. Fakultas Teknik. Universitas Khairun
Jl. Raya Pertamina - Gambesi Kec. Ternate Selatan Kota Ternate, Indonesia. 
Email : protek@unkhair.ac.id

Copyright @2016 PROtek : Jurnal Ilmiah Teknik Elektro p-ISSN 2354-8924 | e-ISSN 2527-9572

Creative Commons License

 View PROtek Stats