SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD

Transkripsi

1 SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad Dahlan Yogyakarta murintokusno@yahoo.com ABSTRAK Magnetic Resonance Imaging (MRI) adalah suatu teknik penggambaran penampang tubuh berdasarkan prinsip resonansi magnetik inti atom hidrogen. Teknik penggambaran MRI relatif komplek karena gambaran yang dihasilkan tergantung pada banyak parameter. Pemeriksaan gambar hasil MRI memerlukan ketelitian dan ketepatan. Akan tetapi para dokter dapat melakukan kesalahan karena diagnosa yang dilakukan masih secara manual seperti kesalahan dalam mendiagnosa letak atau besar kecilnya obyek. Segmentasi adalah proses pemisahan objek dengan latar belakangnya. Salah satu metode untuk segmentasi adalah region growing. Proses region growing dimulai dari beberapa pixel benih (seed) kemudian berkembang ke seluruh gambar dan akan berhenti apabila sudah tidak ada lagi benih (seed) tetangga yang dapat ditambahkan lagi. Penelitian ini menggunakan citra brain MRI grayscale berekstensi *.bmp (bitmap). Citra diproses menggunakan proses region growing serta proses thresholding. Adapun parameter yang digunakan adalah histogram dan SNR (Signal to Noise Ratio). Dari penelitian untuk 15 buah sample citra terlihat bahwa citra yang melalui proses region growing dan thresholding hasil segmentasinya jelas dibandingkan dengan yang hanya melalui thresholding saja. Rata-rata SNR pada metode region growing Db dan metode thresholding Db. Kata kunci : Citra brain MRI, Region growing, Segmentasi Citra, Thresholding 1. PENDAHULUAN Di bidang kedokteran sekarang ini alat-alatnya semakin canggih, salah satunya adalah MRI (Magnetic Resonance Imaging). MRI merupakan alat kedokteran di bidang pemeriksaan diagnostik radiologi, yang menghasilkan rekaman gambar potongan penampang tubuh/organ manusia dengan menggunakan medan magnet berkekuatan antara 0,064 1,5 tesla (1 tesla = 1000 Gauss) dan resonansi getaran terhadap inti atom hidrogen. Teknik penggambaran MRI relatif komplek karena gambaran yang dihasilkan tergantung pada banyak parameter. Bila pemilihan parameter tersebut tepat, kualitas gambar MRI dapat memberikan gambaran detail tubuh manusia

2 dengan perbedaan yang kontras, sehingga anatomi dan patologi jaringan tubuh dapat dievaluasi secara teliti. [5] MRI biasanya digunakan oleh dokter yang ada di rumah sakit maupun dokter yang membuka praktek. Pemeriksaan gambar hasil MRI memerlukan ketelitian dan ketepatan. Akan tetapi para dokter dapat melakukan kesalahan karena diagnosa yang dilakukan masih secara manual seperti kesalahan dalam mendiagnosa letak atau besar kecilnya objek. Dibantu dengan teknologi digital yang semakin berkembang maka pemakaian gambar atau citra digital dapat dimanfaatkan untuk mengetahui sesuatu yang terjadi pada jaringan tubuh. Dengan data citra hasil MRI dapat dilakukan analisis terhadap jaringan tubuh. Namun banyak terdapat kesulitan dalam mengolah gambar/citra digital hasil MRI. Salah satu kesulitan yang ada adalah melakukan manipulasi pada satu objek saja tanpa meyentuh objek lain, hal ini disebabkan karena sulitnya memisahkan objek satu dengan objek yang lain. Oleh karena itu, untuk memisahkan satu objek dengan yang lain perlu dilakukan suatu metode yaitu segmentasi gambar (image segmentation). Segmentasi gambar berfungsi untuk memisahkan antara objek yang satu dengan objek yang lain pada gambar. Segmentasi merupakan langkah pertama dan menjadi kunci pembicaraan dalam pengenalan objek (object recognition). Kualitas hasil akhirnya sebagian besar tergantung pada kualitas segmentasi itu sendiri. Segmentasi citra dapat dinyatakan sebagai proses efisien untuk mata manusia, karena sistem penglihatan orang dilengkapi kemampuan inferensi yang baik dalam memetakan atau mengelompokkan kumpulan obyek seragam pada area di bidang penglihatan, namun sulit dimengerti cara kerjanya. Sebaliknya, segmentasi citra bukan pekerjaan mudah bagi pemrosesan citra digital, lebih sulit lagi jika jumlah obyeknya besar atau tidak diketahui jumlah variasinya atau bahkan batasan antar obyeknya tidak jelas. Selain itu, segmentasi citra merupakan proses intermediasi yang penting sebelum melangkah ke hasil akhir dari sistem klasifikasi atau sistem pengenalan objek. Dengan proses segmentasi masing-masing obyek pada citra dapat diambil secara terpisah sehingga dapat digunakan sebagai masukan proses yang lain. Segmentasi citra (image segmentation) merupakan suatu teknik pengelompokkan (clustering) untuk citra. Dengan kata lain, ini merupakan suatu proses pembagian citra ke dalam beberapa wilayah (region) yang mempunyai kesamaan fitur seperti : tingkat keabuan (graylevel), tekstur(texture), warna(color), gerakan(motion), dan lain sebagainya. [1] Segmentasi yang cocok untuk kebutuhan ini adalah yang dapat menampilkan informasi citra bagi pengguna serta menghasilkan segmentasi dengan kualitas baik dan membantu proses segmentasi citra untuk analisis lebih lanjut.

3 2. METODE PENELITIAN Dalam penelitian ini yang menjadi subjek penelitian adalah pembuatan aplikasi segmentasi citra menggunakan metode region threshold. Citra asli berupa citra hasil MRI yang berekstensi *.bmp dengan ukuran 256x256 piksel. Citra hasil merupakan citra baru hasil proses segmentasi dengan menggunakan metode region threshold. Penelitian dilakukan dalam beberapa tahap : a. Pengumpulan data yang dilakukan untuk mengidentifikasi masalah dan kebutuhan, serta cara kerja dan ruang lingkup sistem yang akan dibuat. Metode pengumpulan data terdiri dari : 1) Studi literatur, dilakukan dengan cara membaca dan membandingkan literatur yang sebagian besar berasal dari artikel-artikel di internet, buku, atau e-book yang berhubungan dengan permasalahan pada penelitian ini. 2) Observasi, dengan cara pengamatan langsung pada citra yang akan diteliti untuk mendapatkan data yang dibutuhkan. b. Analisis kebutuhan sistem, pada tahap ini dilakukan pengumpulan elemen yang perlu diolah oleh software. c. Perancangan sistem, pada tahap ini peneliti merancang skema, interface, dan pemrograman. d. Implementasi sistem, terdiri dari 2 tahap yaitu pengkodean dan hasil penelitian. Tahap pengkodean yaitu desain sistem yang telah dirancang akan diubah ke dalam bahas pemrograman Matlab 7.6. Sedangkan hasil penelitian adalah beupr gambar yang telah mengalami proses segmentasi menggunakan metode region threshold. e. Pengujian sistem, pada tahap ini pengujian terdiri dari Black Box Test dan Alpha Test. 3. HASIL DAN PEMBAHASAN Proses-proses dalam pembuatan program segmentasi citra MRI ini memiliki 4 buah tahapan, yaitu : Input data citra Region Growing Citra Thresholding Citra Citra tersegmentasi Gambar 1. Skema Tahapan Proses Sistem

4 Tahap pertama pada sistem dimulai dengan menginputkan citra yang berupa citra grayscale yang berekstensi *.bmp atau bitmap. Inputan citra tersebut kemudian akan diproses dengan proses region growing yang akan mempartisi citra menjadi daerah-daerah yang memiliki kesamaan sifat tertentu. Prosesnya dimulai dari penentuan seed awal dan akan berakhir jika tidak ada lagi seed tetangga yang dapat ditambahkan lagi. Kemudian dari citra yang telah diproses dengan proses region growing tersebut akan diproses dengan proses thresholding yang akan menghasilkan citra biner, yaitu citra dengan hanya dua warna hitam dan putih. Hasil akhir dari sistem yaitu citra yang telah tersegmentasi dengan proses region growing dan thresholding. Pada tahap analisis, dilakukan perbandingan terhadap setiap citra asli dan citra hasil proses region threshold. Analisis ini berdasarkan kualitas citra yang dihasilkan, histogram, dan SNR. Tabel 1. Citra Hasil Region Growing dan Thresholding No Nama Citra Citra Asli Citra Region growing Citra Thresholding 1. Tumor2_ax.bmp 2. Normal axial.bmp 3. Normalbrain.bmp 4. Meningioma_ax.b mp 5. Tumor1.bmp

5 Dengan melihat tabel 1 diperoleh citra hasil region growing yang mempartisi citra menjadi daerah-daerah yang memiliki kesamaan fitur sehingga hasil segmentasinya terlihat, dan setelah mengalami proses thresholding hasilnya lebih terlihat jelas karena telah diubah menjadi citra biner yang hanya terdiri dari dua warna yaitu hitam dan putih. Histogram merupakan grafik yang menggambarkan penyebaran nilainilai intensitas piksel. Analisis ini akan membandingkan histogram citra asli dengan histogram citra hasil region growing dan thresholding. Histogram mempunyai banyak manfaat pada pengolahan citra, diantaranya untuk menentukan parameter digitalisasi dan pemilihan batas ambang. Puncak histogram menunjukkan nilai piksel dari intensitas tersebut dan lebar puncak menunjukkan intensitas derajat keabuan. Tabel 2 menunjukkan perbandingan histogram citra asli dan citra hasil. Tabel 2. Perbandingan Histogram Citra Hasil No. Nama Citra Histogram Citra Asli Histogram Region growing Histogram Thresholding 1. Tumor2_ax.bmp 2. Normal axial.bmp 3. Normalbrain.bmp 4. Meningioma_ax.b mp

6 5. Tumor1.bmp Histogram dari citra hasil di atas menunjukkan bahwa histogram hasil proses thresholding terdapat 2 puncak, di sebelah kiri (1) dan sebelah kanan (2). Citra biner dikuantisasi pada dua level yaitu 0 dan 1. Nilai 0 pada citra biner dipresentasikan dengan angka 1 pada histogram. Sedangkan nilai 1 pada citra biner dipresentasikan dengan angka 2 pada histogram. Sebelah kiri atau nilai 1 pada histogram menunjukkan latar belakang dan partikel-partikel yang lebih gelap. Sedangkan yang di sebelah kanan atau nilai 2 pada histogram menunjukkan partikel-partikel yang berwarna terang. SNR (Signal to-noise Ration) digunakan untuk menentukan kualitas suatu citra setelah dilakukan suatu operasi. Tabel 3. SNR Citra No. Nama Citra SNR Region growing SNR Thresholding 1. Tumor2_ax.bmp Normal axial.bmp Normal-brain.bmp Meningioma_ax.bmp Tumor1.bmp Dari tabel 3 untuk 15 citra uji diperoleh rata-rata SNR untuk metode region growing = db sedangkan dari metode thresholding sebesar = db. Nilai SNR thresholding lebih rendah dari region growing karena citra yang dihasilkan adalah citra biner, yaitu hanya dau warna hitam dan putih. 4. SIMPULAN Berdasarkan hasil penelitian yang telah dilakukan dapat diambil kesimpulan sebagai berikut : a. Dihasilkan sebuah perangkat lunak (software) tentang pengolahan citra untuk melakukan proses segmentasi region threshold dengan menggunakan bahasa pemrograman Matlab 7.6. b. Citra segmentasi dengan metode region threshold mempunyai hasil segmentasi yang baik karena dapat mempartisi citra ke dalam region-region sehingga dapat dibedakan antara background dan foregroundnya. c. Histogram hasil proses thresholding terdapat 2 puncak, di sebelah kiri dan sebelah kanan. Sebelah kiri menunjukkan latar belakang dan partikel-

7 partikel yang lebih gelap. Sedangkan yang disebelah kanan menunjukkan partikel-partikel yang berwarna terang. 5. REFERENSI [1] Adipranata, Rudy, 2005, Kombinasi Metyode Morphological Gradient Dan Transformasi Watershed Pada Proses Segmentasi Citra Digital, Universitas Kristen Petra, Surabaya. [2] Ardisasmita, M Syamsa, 2006, Metode Segmentasi Citra Resonansi Magnetik Otak Menggunakan Sistem Pengkodean Neurofuzzy [3] Munir, Rinaldi, 2004, Pengolahan Citra Digital Dengan Pendekatan Algoritmik, Penerbit Informatika, Bandung. [4] Murinto, 2007, Diktat Kuliah Computer Vision, Universitas Ahmad Dahlan, Yogyakarta. [5] Notosiswoyo, Mulyono dan Susy Suswati, 2004, Pemanfaatan Magnetic Resonance Imaging (MRI) Sebagai Sarana Diagnosa Pasien. [6] Pratami K, Vivi, 2009, Segmentasi Citra Terawasi Berdasarkan Fitur Tekstur Menggunakan Filter Gabor dan Watershed Transformation, Universitas Ahmad Dahlan, Yogyakarta. [7] Siregar, Seven Julianus, 2008, Implementasi Segmentasi Citra Dengan Metode Penggabungan Ekstraksi Warna Dan Seeded Region Growing. [8] Wijaya, Marvin Chandra dan Semuil Tjiharjadi, 2009, Mencari Nilai Threshold Yang Tepat Untuk Perancangan Pendeteksi Kanker Trofoblas, Universitas Kristen Maranatha, Bandung. [9] 12 Maret [10] 17 April 2011.