Metode Segmentasi Canny pada Citra Rontgen untuk Klasifikasi Penyakit Paru

Ahmad Fauzi, Dwiza Riana

Abstract


Paru-paru merupakan bagian yang terdapat dalam tubuh  manusia yang memiliki peran penting dalam  pernapasan .Permasalahan yang sering timbul pada paru-paru adalah kualitas udara yang masuk kedalam paru-paru apakah telah tercemar atau tidak. Dilihat dari lingkungan yang mempunyai polusi udara yang cukup tinggi, sebagian besar udara yang terhirup banyak mengandung penyakit yang akan mengganggu  paru-paru. kanker merupakan sekian banyak penyakit yang menyerang  paru-paru. Metode  Citra X-ray telah lama digunakan untuk mendeteksi anatomi tubuh. Namun dalam menentuan hasil x-ray masih menggunakan metode yang  manual. Maka pada penelitian ini dilakukan deteksi ketidaknormalan pada paru-paru yang di peroleh  dari perbandingan jumlah piksel pada segmentasi dan metode deteksi tepi canny. Berikut tahapan yang dilakukan,Tahap awal pengolahan citra ini dilakukan sebuah proses Pengumpulan Citra X-Ray pada  Paru-paru Normal dan Tidak Normal sebanyak 8 Citra. kemudian dilakukan pengubahan pada citra X-Ray menjadi gray scale, pemodelan histogram, segmentasi dan deteksi tepi canny. Dari tahapan pengolahan citra yang telah dilakukan, kemudian dicari prosentasi dari  jumlah piksel putih yang diproses dengan deteksi tepi canny dan segmetasi. Diperoleh hasil bahwa citra X-Ray normal memiliki prosentase 14,02% - 20,60%. Sedangkan hasil dari  citra X-Ray yang tidak normal memiliki rentang prosentase 22,04% - 28,00%. Sehingga metode yang telah dilakukan dapat digunakan untuk menentukan kondisi dari citra X-Ray.

.


Full Text:

PDF

References


Budiman, A. S. (2015). Segmentasi citra dan pewarnaan semu pada foto hasil röntgen. Jurnal Teknik Komputer, I(2), 226–234.

Danil, C. (2008). Edge Detection dengan Algoritma Canny, (18), 197–203.

Ginting, E. D., Informatika, J. T., Industri, F. T., Gunadarma, U., & Citra, P. (2010). Deteksi Tepi Menggunakan Metode Canny Dengan Matlab Untuk Membedakan Uang Asli Dan Uang Palsu. Gunadarma.

Hadi, S., Padjadjaran, U., & Digitization, A. M. (2017). Sistem Pencitraan Dijital Pendeteksian Kanker Secara Visual Dan Implementasinya Pada Citra Biomedis Sistem Pencitraan Dijital Pendeteksian Kanker Secara Visual Presentasi Penelitian Hibah Bersaing 2013, (January). https://doi.org/10.13140/RG.2.2.11409.22881

Joseph, R. P., & Singh, C. S. (2014). BRAIN TUMOR MRI IMAGE SEGMENTATION AND DETECTION IN IMAGE PROCESSING, 1–5.

Rahmadewi, R., Kurnia, R., Elektro, J. T., Teknik, F., & Andalas, U. (2016). ISSN : 2302 - 2949 Klasifikasi Penyakit Paru Berdasarkan Citra Rontgen dengan Metoda Segmentasi Sobel, (1), 7–12. https://doi.org/10.20449/jnte.v5i1.174

Riana, D., Wahyudi, M., & Hidayanto, A. N. (2017). Comparison of Nucleus and Inflammatory Cell Detection Methods on Pap Smear Images. Informatics and Computing (ICIC), 2017 Second International Conference on.

Ricky Aprias Sholihin, B. H. P. (2015). PERBAIKAN CITRA DENGAN MENGGUNAKAN MEDIAN FILTER dan METODE HISTOGRAM EQUALIZATION. Jurnal Emitor, 14(2), 1411–8890.

Soesilo, B., Studi, P., Informatika, T., Teknik, F., & Trunojoyo, U. (2010). Pemanfaatan Jaringan Saraf Tiruan untuk Mendeteksi Gangguan Paru-paru Menggunakan Metode Backpropagation.

Wulan, T. D., Sumitro, B. sutiman, & Yasin, M. (2004). Deteksi Kanker Paru-Paru Dari Citra Foto Rontgen Menggunakan Jaringan Saraf Tiruan Backpropagation, 2(4), 15.


Refbacks

  • There are currently no refbacks.