PRESENTASI TUGAS AKHIR KI091391

Transkripsi

1 PRESENTASI TUGAS AKHIR KI09191 IMPLEMENTASI SEGMENTASI CITRA RESONANSI MAGNETIK OTAK MENGGUNAKAN ALGORITMA FUZZY C-MEANS YANG DIMODIFIKASI BERDASARKAN KORELASI ANTAR PIKSEL (Kata Kunc : Segmentas Fuzzy C-Means MRI otak) Penyusun Tugas Akhr : Rezka Scenda Ramadhta Putra (NRP : ) Dosen Pembmbng : Prof.Ir. Handayan Tandrasa Msc Ph.D NIP Jul 2010 Tugas Akhr KI

2 LATAR BELAKANG(1) Segmentas ctra pada MRI otak dperlukan untuk membantu mengenal nformas fsolog dalam dagnoss duna kedokteran Dbutuhkannya segmentas MRI otak secara tepat dan cepat Pada kenyataannya ctra MRI otak kebanyakan memlk kualtas ctra dengan resolus yang rendah 27 Jul 2010 Tugas Akhr KI

3 LATAR BELAKANG(2) Proses segmentas menggunakan beberapa metode klusterng Dbutuhkan segmentas dengan metode klusterng yang mampu mengatas keterkatan antar pksel 27 Jul 2010 Tugas Akhr KI09191

4 TUJUAN Mengmplementaskan segmentas pada MRI (Magnetc Resonance Imagng) otak menggunakan algortma clusterng Fuzzy C-Means yang dmodfkas berdasarkan korelas antar pksel 27 Jul 2010 Tugas Akhr KI

5 PERMASALAHAN Bagamana mendapatkan hasl segmentas yang lebh bak dbandngkan dengan algortma klusterng lan sebaga pembandng yatu FCM dan K-Means Bagamana mendapatkan batas tep obek dar ctra MRI otak menggunakan algortma Fuzzy C-Means berdasarkan korelas antar pksel 27 Jul 2010 Tugas Akhr KI

6 BATASAN MASALAH Data yang akan dgunakan untuk percobaan adalah ctra MRI otak normal berupa mage gray-scale Perbandngan kualtas hasl segmentas menggunakan algortma FCM berdasarkan korelas pksel dengan algortma pembandng FCM dan K-Means dtunukkan melalu pendekatan secara vsual dan umlah parts daerah dalam ctra yang terbentuk. 27 Jul 2010 Tugas Akhr KI

7 Ctra Masukan Perancangan Perangkat Lunak Htung Local Image Feature (F) Htung Weghtng Pxel (W) Insalsas Centrod dan Membershp Cluster Insalsas Segmentas Dengan FCM Basc Htung Centrod dan Membershp Baru Dengan Local Image Feature Menamplkan Ctra Tersegmentas 27 Jul 2010 Tugas Akhr KI

8 U Coba dan Evaluas Skenaro U Coba : 1. U coba perbandngan hasl segmentas algortma modfkas FCM menggunakan korelas pksel dengan algortma FCM dan K-Means 2. U coba hasl segmentas menggunakan perubahan ukuran wndow x dan 5x5. U coba perubahan parameter mnmum dstance error untuk mengetahu hasl segmentas 4. U coba perubahan nla spasal dan gray scale 27 Jul 2010 Tugas Akhr KI

9 U Coba I - 1 Modfkas FCM FCM K-Means Ctra masukan 27 Jul 2010 Tugas Akhr KI

10 Evaluas U Coba I Ctra Inputan Tabel Runnng tme dan parts obek skenaro I Algortma Runnng Tme (s) Parts Obek dataset2.png Modfkas FCM FCM K-Means Jul 2010 Tugas Akhr KI

11 U Coba II II --1 Wndow x Wndow 5x5 Ctra masukan 27 Jul 2010 Tugas Akhr KI

12 Evaluas U Coba II Ctra Inputan Tabel Runnng tme dan parts obek skenaro II Wndow Runnng Tme (s) Parts Obek Dataset2.png x x Jul 2010 Tugas Akhr KI

13 U Coba III Modfkas FCM Ctra masukan FCM 27 Jul 2010 Tugas Akhr KI

14 U Coba III K-Means Ctra masukan 27 Jul 2010 Tugas Akhr KI

15 Evaluas U Coba III Tabel Runnng tme dan parts obek skenaro III - 1 Algortma Mn Dstance Runnng Tme (s) Jumlah Parts Modfkas FCM FCM K-Means Jul 2010 Tugas Akhr KI

16 U Coba IV - 1 λg = 1 λg= 1 λg = 5 λg= 5 λg = 10 λg= 10 Ctra masukan 27 Jul 2010 Tugas Akhr KI

17 Evaluas U Coba IV Tabel Runnng tme dan parts obek skenaro IV Parameter Runnng Tme (second) Parts Obek λs = 1 λg = λs = 5 λg = λs = 10 λg = Jul 2010 Tugas Akhr KI

18 EVALUASI No. Parameter Keterangan 1 ukuran wndow Perubahan ukuran wndow memberkan pengaruh pada nla local mage feature pksel terhadap tetangganya yang menunukkan penggunaan wndow x menadkan nla pembobotan pksel semakn besar namun waktu komputas lebh cepat. Sedangkan penggunaan wndow 5x5 membuat nla pembobotan pksel lebh kecl spasal dan gray scale Pemlhan parameter spasal dan gray scale yang semakn besar akan menghaslkan hasl segmentas yang kurang bak dmana berdasarkan hasl u coba menunukkan bahwa umlah parts daerah yang dhaslkan menad lebh banyak. 4 Jumlah teras Perubahan umlah teras bersfat dvergen dmana setelah nla optmal dtemukan maka umlah teras yang berlebh akan tetap menghaslkan segmentas yang optmal sehngga ddapatkan mnmalsas parts daerah dalam obek. 5 mnmum dstance error Perubahan batas mnmum dstance error member pengaruh pada kualtas segmentas yang terbentuk karena mnmum dstance error yang akan mengatur proses klusterng ctra mencapa optmal atau belum. 27 Jul 2010 Tugas Akhr KI

19 KESIMPULAN(1) Metode fuzzy klusterng yang memperhatkan pengaruh pksel ketetanggaan mampu mengatas adanya parts daerah dalam obek yang berupa pksel-pksel yang masuk dalam kluster tertentu namun tdak sesua dengan keanggotaan pksel tetangganya yang masuk dalam kluster berbeda. Dar has u coba dtunukkan bahwa algortma modfkas FCM dengan korelas pksel menghaslkan umlah parts obek yang lebh mnmal dar algortma pembandng yatu FCM dan K-Means. Ukuran wndow x secara vsual menghaslkan segmentas yang lebh bak dbandngkan dengan ukuran wndow 5x5. Pada wndow x akan membuat pengaruh nla pksel pusat terhadap pksel ketetanggaan semakn besar dan waktu komputas yang dhaslkan lebh cepat. 27 Jul 2010 Tugas Akhr KI

20 KESIMPULAN(2) Perubahan nla batas pengukuran mnmum dstance error dgunakan untuk mengatur konvergens nla pusat kluster yang akan mempengaruh hasl kluster pksel ctra. Ddapatkan hasl dmana semakn kecl nla batas mnmum dstance error pada algortma modfkas FCM semakn menghaslkan segmentas yang optmal sedangkan FCM dan K-Means walaupun mencapa optmal pada batas mnmum dstance error 0.01 lebh cepat dar modfkas FCM dmana umlah parts sudah tdak berubah lag namun parts yang ddapatkan mash auh lebh banyak dar modfkas FCM. 27 Jul 2010 Tugas Akhr KI

21 SARAN Perlu dkembangkan metode deteks tep yang lebh bak untuk mengatas semua batas tep dar obek sehngga dapat menemukan tep obek yang benarbenar tepat poss. Perlu dkembangkan metode lebh optmal untuk mengatas ctra MRI otak dengan kualtas ctra relatf rendah sehngga antara nformas yang pentng dan kurang pentng dapat teratas. 27 Jul 2010 Tugas Akhr KI

22 DAFTAR PUSTAKA [1] Seeman Torsten. B. Sc Dgtal Image Processng Usng Local Segmentaton<URL: dakses 24 un 2010>. [2] MyamotoS. Hdetomo Ichhas. dan Katsuhro Honda Algorthms for Fuzzy Clusterng. Sprnger-Verlag Inc.Berln. [] Clusterng Tutoral Fuzzy C-Means Clusterng <URL: [4] SchaeferG. Abdul Ella Hassanen. dan Janmn Jang Computatonal Intellgence In Medcal Imagng. France : Taylor and francs Group. [5] Sodkn Imam Eucldean Dstance <URL: dakses 26 un 2010>. [6] Wapeda Dstance <URL: > [7] Wang X-Y. J.Bu A fast and robust mage segmentaton usng FCM wth spatal nformaton. Chna: Elsever Inc. [8] Lbrary ITTelkom Algortma K-Means <URL: ortma-k-means&opton=com_content&itemd=15> [9] Clusterng Tutoral Fuzzy C-Means Clusterng <URL: 27 Jul 2010 Tugas Akhr KI

23 SELESAI TERIMA KASIH 27 Jul 2010 Tugas Akhr KI

24 LOCAL IMAGE FEATURE (1) Local Image Wndow Wndow x Wndow 5 x 5 Pksel pusat Pksel ketetanggaan 27 Jul 2010 Tugas Akhr KI

25 Local Image Feature 27 Jul 2010 Tugas Akhr KI LOCAL IMAGE FEATURE (2) 0 G S xf F F S S y y x x F max exp 2 2 ) ( ) ( exp G G G y x g y x g F N y x g y x g G 2 ) ( ) ( λs = spatal scale λg = gray scale Faktor Spasal Faktor Gray

26 Weghtng Pxel(1) Gral Level Local Image Feature F_G 02 Agustus 2010 Tugas Akhr KI

27 Weghtng Pxel(2) Proses menghtung pembobotan pksel : F g x y w F Local Image Feature Gray Level 27 Jul 2010 Tugas Akhr KI

28 27 Jul 2010 Tugas Akhr KI Fuzzy C-Means(1) m k m k k c p m p k k f v d d 1 0 1) ( 2 1 ) ( Update Membershp (μ) & centrod (v) 2 2 k k v f d k T k v f v f Eucldean Dstance

29 Fuzzy C-Means(2) Memungknkan adanya data memlk keanggotaan pada tap-tap kluster Masng-masng keanggotaan rentang 0-1 dan umlah semua keanggotaan adalah 1 27 Jul 2010 Tugas Akhr KI

30 Membershp dengan Local Image Feature (2) Model Model 2 27 Jul 2010 Tugas Akhr KI

31 27 Jul 2010 Tugas Akhr KI Membershp dengan Local Image Feature (2) k k y x y x h ) ( 1 0 ' ) ( ) ( ) ( ) ( ) ( c q k p k q k p k y x h y x y x h y x y x k Htung Local Image Feature Pada Membershp Htung Update Membershp

32 Dataset U Coba Dataset.png Dataset4.png 27 Jul 2010 Tugas Akhr KI

33 Dataset U Coba U Coba I - Modfkas FCM FCM K-Means Ctra masukan 27 Jul 2010 Tugas Akhr KI09191

34 Evaluas U Coba I Ctra Inputan Tabel Runnng tme dan parts obek skenaro I Algortma Runnng Tme (s) Parts Obek Dataset.png Modfkas FCM FCM K-Means Dataset4.png Modfkas FCM FCM K-Means Jul 2010 Tugas Akhr KI