SEGMENTASI CITRA X-RAY DARI CITRA CT MENGGUNAKAN ACTIVE CONTOUR Indrawati Program Studi Teknik Informatika Jurusan Teknik Elektro, Politeknik Negeri Lhokseumawe Jln. Banda Aceh Medan Km. 280.5 Buketrata Lhokseumawe E-mail :
[email protected]
Abstrak Untuk pembuatan prostesis, maka diperlukan data tentang dimensi suatu tulang, Biasanya tindakan ini dimulai dengan operasi pembedahan, kemudiaan pengukuran dan pemasangan implan. Pada artikel ini untuk mendapatkan dimensi sebuah tulang diperlukan proses segmentasi tulang, proses segmentasi ini merupakan bagian dari proses untuk memisahkan obyek-obyek, sehingga pengolahan citra dapat dilakukan pada masing-masing objek. Citra tulang yang dideteksi adalah tulang tibia, metode segmentasi yang dipilih adalah active contour. Penelitian dilakukan pada sebuah model tulang tibia. Hasil akhir dari penelitian ini menunjukkan hasil pengujian parameter keberhasilan segmentasi fitur citra dengan akurasi 99,12%, sensitivitas sebesar 90% dan specificitas sebesar 39%. Hal ini menunjukkan hasil segmentasi citra mendekati sama dengan citra aslinya.
Kata kunci : segmentasi, active countor
Pendahuluan Tindakan awal yang biasa dilakukan sebelum pembedahan orthopedi untuk pemasangan implan prostesis dan sekrup pada tulang adalah mengobservasi kerusakan struktur tulang dengan cara menganalisis citra x-ray. Untuk menganalisis pembacaan x-ray, langkah awal yang dilakukan adalah mela-kukan segmentasi pada citra x-ray. Segmentasi bertujuan memisahkan objek-objek citra, sehingga dapat dilakukan pengolahan citra menurut keperluan yang dinginkan, seperti mengobservasi bentuk, mengukur volume citra, mengobservasi ukuran dari objek citra yang diamati [1]. Validasi pengolahan citra, sangat bergantung pada metode segmentasi yang dilakukan, sehingga kesesuaian antara hasil pengolahan citra x-ray dengan ukuran citra yang sesungguhnya adalah sama. Sebagai contoh, ukuran panjang-pendek tulang dari hasil pengukuran citra sesuai dengan kondisi sebenarnya. Pada penelitian ini akan diobservasi validasi hasil segmentasi citra x-ray. Validasi akan mengukur akurasi, sensitivitas dan specificity [2]. Pada penelitian ini, masukan proses segmentasi ini adalah citra medis yang berasal dari CT scan (Computed Tomography), karena struktur tulang yang terlihat pada citra CT lebih jelas. Metode segmentasi yang dipilih adalah metode active contour. Metode ini mempunyai kelebihan, yaitu dapat melakukan segmentasi dengan baik terhadap semua bentuk geometri (cekung, cembung)
Metodologi Penelitian Dari gambar 1, terlihat bahwa segmentasi citra x-ray berasal Input citra dari citra 3 dimensi yaitu citra CT. Citra CT diproyeksi menjadi citra x-ray. Hal ini dilakukan karena untuk mendapatkan citra x-ray dari suatu model tulang yang sama sangat sulit untuk didapatkan, maka dilakukan proyeksi untuk mendapatkan citra x-ray dari model tulang tersebut. Contoh citra 3 dimensi dari tulang tibia dapat dilihat pada gambar 2. CITRA CT
PROYEKSI CITRA X-RAY
SEGMENTASI
KEBERHASILAN SEGMENTASI DAN KLASIFIKASI Gambar 1. Metode segmentasi dan klasifikasi pada citra CT
Input citra berasal dari citra 3 dimensi yaitu citra CT. Citra CT selanjutnya diproyeksi menjadi citra X-Ray.
Gambar 2. Citra 3 dimensi dari tulang tibia Hal ini dilakukan karena untuk mendapatkan citra X-Ray dari suatu model tulang yang sama sangat sulit untuk didapatkan maka dilakukan proyeksi untuk mendapatkan citra X-Ray dari model tulang tersebut. Contoh citra 3 dimensi dari tulang tibia dapat dilihat pada gambar 2.
Segmentasi. Proses segmentasi citra x-ray dilakukan menggunakan active contour . Konsep active contours models pertama kali diperkenalkan pada tahun 1987 dan kemudian dikembangkan oleh berbagai peneliti [3 dan 4]. Active contour menggunakan prinsip energi minimizing yang mendeteksi fitur tertentu dalam image. Sistem ini terdiri dari sekumpulan titik yang saling berhubungan dan terkontrol oleh garis lurus. Active contour digambarkan sebagai sejumlah titik yang berurutan satu sama lain. Penentuan obyek dalam image melalui active contour merupakan proses interaktif. Selanjutnya, contour akan tertarik kearah fitur didalam image karena
pengaruh energi internal yang menghasilkan gambar. Proses active contour dapat dilihat pada gambar 3.
Gambar 3. Bentuk dasar active contour [3]
Parameter active contour untuk sekumpulan titik koordinat yang terkontrol pada contour dapat didefenisikan pada persamaan berikut ini:
vs xs , ys ...................................................................................... (1) Dimana xs dan y s adalah koordinat x dan y pada kontur dan s adalah indeks normalisasi dari titik kontrol. Fungsi energi yang digambarkan active contour terdiri dari dua komponen, yaitu energi internal dan energi eksternal. Gaya internal membuat kurva kompak (gaya elastis) dan batasannya berbelok sangat tajam (gaya lentur). Gaya eksternal cenderung membuat kurva bergerak kearah batas obyek. Energi internal sebagai penjumlahan dari energi elastis dan energi kelenturan dapat dinyatakan sebagai berikut :
Eint Eelastic Ebend s
2
2
dv d 2v s 2 ................................................ (2) ds ds
Dimana adalah konstanta variabel elastisitas dan adalah konstanta variabel belokan (kelenturan) kurva kontur. Energi elastisitas dan kelenturan dapat didefinisikan sebagai berikut:
Eelastic vs vs 1 .ds ................................................................ (3) 2
s
dan
Ebend vs 1 vs vs 1 .ds ................................................... (4) 2
s
Fungsi energi minimalisasi dapat ditunjukkan sebagai berikut :
E
* snake
E snake vs .ds Eint vs Eimage vs Econ vs .ds ................ (5) 1
1
0
0
Dimana Eint adalah energi internal dari kurva, Eimage adalah energi dari image, dan
Econ adalah energi eksternal. Setelah dilakukan segmentasi maka
dilakukan uji akurasi dengan membandingkan citra yang disegmentasi secara manual dengan citra hasil segmentasi program. Teknik pengukuran akurasi untuk segmentasi dapat dilihat pada gambar 4.
Gambar 4. Teknik pengukuran akurasi untuk segmentasi
Parameter Keberhasilan Segmentasi Akurasi. Akurasi menunjukkan kedekatan nilai hasil pengukuran dengan nilai sebenarnya. Untuk menentukan tingkat akurasi perlu diketahui nilai sebenarnya dari parameter yang diukur. Nilai kedekatan diamati melalui segmentasi dengan menggunakan metode active countour. Ukuran akurasi menunjukkan besarnya jumlah titik-titik warna gray yang membentuk tulang dan titik yang membentuk warna yang tidak membentuk tulang. Berdasarkan nilai-nilai tersebut dapat diukur akurasi dengan menggunakan persamaan 6.
Akurasi =
TP + TN
TP TN FP + FN
................................................................... (6)
Lebih jelasnya uraian di atas dapat dilihat pada gambar 5. TP merupakan pixel citra tulang dan dikenali sebagai tulang, FP merupakan pixel citra bukan tulang namun dikenali sebagai tulang, FN adalah pixel citra tulang namun tidak dikenali sebagai tulang, dan TN adalah bukan pixel citra tulang dan dikenali bukan tulang.
Gambar 5. Perbedaan referensi dan hasil
Keempat nilai diatas dapat diformulasikan dengan menggunakan matrik 2 x 2, dan dapat dilihat seperti gambar 6. Sensitivitas. Merupakan ukuran yang merepresentasikan nilai dari pixel citra tulang yang dikenali sebagai tulang terhadap false negativenya. Nilai sensitivitas suatu citra itu dapat dihitung dengan persamaan 7.
Sensitivit as =
TP TP ..................................................................... (7) = P TP + FN
Gambar 6. Formulasi matrix dari TP, TN, FP, dan FN Specificitas. Adalah ukuran yang merepresentasikan nilai dari pixel bukan tulang yang dikenali bukan citra tulang terhadap true negativenya. Nilai specificitas suatu citra itu dapat dihitung dengan persamaan 8.
Specificit y =
TN TN .......................................................................... (8) FP TN N
Hasil dan Pembahasan Citra X-Ray tulang tibia yang dihasilkan dari proyeksi citra CT diperlihatkan pada gambar 7. Selanjutnya citra x-ray tersebut disegmentasi dan hasilnya diperlihatkan pada gambar 8.
Gambar 7.Citra X-Ray
Pada gambar 8 memperlihatkan bahwa hasil segmentasi telah memisahkan objekobjek citra yang tidak diperlukan dimana citra yang membentuk tulang telah terpisah dari citra yang membentuk daging.
Gambar 8. Hasil segmentasi dengan bentuk kontur yang sesuai dengan bentuk tulang
Selanjutnya, hasil segmentasi diukur, pengukuran dilakukan terhadap 3 parameter yaitu akurasi, sensitifitas dan specificitas. Lebih jelasnya akan diuraikan di bawah ini. Akurasi. Untuk menunjukkan kedekatan nilai hasil pengukuran dengan nilai sebenarnya, maka dilakukan pengukuran terhadap nilai-nilai TN, FP, FN dan TP dan hasilnya ditunjukkan pada tabel 1.
Penilaian
Tabel 1. Nilai Akurasi Nilai Pixel
TN
300,973
FP
459
FN
2,409
TP
21,011
Akurasi
99,12%
Berdasarkan persamaan 6, diketahui bahwa akurasi dari hasil segmentasi dari tulang tibia adalah 99,12%. Hal ini menunjukkan kedekatan nilai hasil pengukuran dengan nilai sebenarnya . Sensitifitas. Untuk menggambarkan nilai dari pixel citra tulang yang dikenali sebagai tulang terhadap nilai negatifnya, maka dilakukan pengukuran terhadap nilai-nilai TN, FP, FN dan TP dan hasilnya ditunjukkan pada tabel 2.
Penilaian
Tabel 2. Nilai Sensitifitas Nilai Pixel
FN
2,409
TP
21,011
Sensitifitas 90 %
Berdasarkan persamaan 7, maka diketahui bahwa nilai sensitivitas hasil perhitungan adalah 90%. Nilai ini menunjukkan bahwa hasil segmentasi menampilkan citra tulang yang dikenali sebagai tulang sebanyak 90%. Hasil ini menunjukkan bahwa nilai dari pixel citra tulang yang dikenali sebagai tulang terhadap citra tulang yang dikenali bukan tulang jauh lebih besar, sehingga sejumlah titik yang berurutan satu sama lain dalam dalam penentuan obyek pada citra, prosesnya sangat interaktif.
Dengan demikian contour yang membentuk citra akan tertarik kearah fitur didalam citra dan pengaruh energi internal akan menghasilkan citra seperti diperlihatkan pada gambar 8. Specificitas. Untuk menggambarkan nilai dari pixel bukan tulang yang dikenali bukan citra tulang terhadap true negativenya, maka dilakukan pengukuran terhadap nilai-nilai TN, FP, FN dan TP dan hasilnya ditunjukkan pada tabel 3
Penilaian
Tabel 3. Specificitas Nilai Pixel
TN
300,973
FP
459
Specificitas 39%
Berdasarkan persamaan 8, maka diketahui bahwa nilai specificitas hasil perhitungan adalah 39%. Nilai ini menunjukkan bahwa pixel citra bukan tulang yang dikenali sebagai citra tulang terhadap bukan pixel citra tulang dan dikenali bukan tulang. Hal ini menggambarkan bahwa segmentasi berhasil memisahkan objek-objek citra yang akan diolah dan objek-objek citra yang tidak dikehendaki.
Kesimpulan Penelitian ini mengevaluasi tahapan parameter keberhasilan segmentasi, kualitas citra ditentukan oleh tiga parameter yaitu akurasi, sensitifitas, specificitas. Hasil yang penting dalam penelitian ini adalah diperolehnya hasil akurasi sekitar 99,12%, sensifitas 90% dan specificitas sebesar 39%. Hal ini menunjukkan hasil segmentasi citra mendekati sama dengan citra aslinya. Daftar Pustaka [1] Suprijanto, Faridam Irwan, 2009, ’ Segmentasi Citra Secara Semi-Otomatis untuk Visualisasi Volumetrik Citra CT-Scan Pelvis, Makara, Teknologi, vol. 13, no. 2, November 2009: 59-66. [2] Tutuk Indriyani, Agus Zainal Arifin, Rully Soelaiman, 2009, ’Segmentasi Cortical Bone pada Citra Dental Panoramic Radiograph Menggunakan Watershed Berintegrasi dengan Active Contour Berbasis Level Set., Teknik Informatika Institut Teknologi Sepuluh Nopember, [3] Marian Bacos, 2007, “Active Contours and their Utilization at Image Segmentation”, 5th Slovakian-Hungarian Joint Symposium on Applied Machine Intelligence and Informatics January 25-26, Poprad, Slovakia [4] D Cremers, F Tischhauser, J Weickert, C Schnorr,2002, “Diffusion Snakes: Introducing Statistical Shape Knowledge into the Mumford-Shah Functional”, Int Journal of Computer Vision, vol. 50(3), pp. 295-313.
