PRESENTASI TUGAS AKHIR KI091391

Transkripsi

1 PRESENTASI TUGAS AKHIR KI IMPLEMENTASI DETEKSI TITIK POTONG PEMBULUH DARAH PADA CITRA FUNDUS RETINA MENGGUNAKAN ALGORITMA COMBINED CROSS POINT NUMBER Kata Kunci: Citra Fundus Retina, Segmentasi Citra, Deteksi Titik Potong pembuluh, Combined Cross Point Number. Penyusun Tugas Akhir : SANNY HIKMAWATI (NRP : ) Dosen Pembimbing : Prof.Ir. Handayani Tjandrasa, M.Sc, Ph.D. Nanik Suciati, S.Kom, M.Kom, Dr.Eng. 20/06/2011 1

2 Latar Belakang(1) Beberapa penyakit mata dapat diatasi dengan diagnosa dini secara tepat Identifikasi dari pembuluh darah pada retina dapat memberikan informasi tentang gangguan mata Gangguan mata yang terjadi bisa berupa pertumbuhan pembuluh darah yang abnormal yang berakibat pada perubahan pada titik potong pembuluh darah tersebut. 20/06/2011 2

3 Latar Belakang(2) Deteksi titik potong pembuluh darah bisa menjadi alat untuk mengetahui adanya anomali pada retina mata Combined cross point number merupakan metode yang dapat digunakan untuk mendeteksi titik potong pembuluh darah retina. 20/06/2011 3

4 Permasalahan 1. Bagaimana memahami metodologi Combined Cross-Points Number untuk mendeteksi titik potong pembuluh darah pada citra fundus retina 2. Bagaimana menyusun suatu algoritma deteksi titik potong citra retina dan merancang sistem yang sesuai dengan metode yang digunakan. 3. Bagaimana menyusun skenario uji coba terhadap sistem yang telah dibuat, mengamati kinerja sistem yang telah dibuat dan mengidentifikasi kendala yang mungkin timbul. 4. Berapa tingkat kebenaran yang dihasilkan dari deteksi titik potong pada citra retina dengan menggunakan metode Combined Cross-Point Number 20/06/2011 4

5 Batasan Masalah Aplikasi merupakan implementasi dari metode combined cross point number untuk melakukan deteksi titik potong terhadap pembuluh darah pada retina. Implementasi dilakukan dengan menggunakan Matlab 7.6. Citra retina yang digunakan dibatasi untuk citra retina yang diperoleh dari DRIVE database. 20/06/2011 5

6 Tujuan Tujuan dari tugas akhir ini adalah membangun aplikasi deteksi titik potong pembuluh citra retina dengan menggunakan Matlab yang mengimplementasikan metode Combined Cross- Point Number. 20/06/2011 6

7 Perancangan Perangkat Lunak (1) Citra masukan Tahap Preprocessing Pengubahan citra green channel Penghilangan derau dengan median filter Perbaikan kontras citra dengan contrast limited adaptive histogram equalization Citra hasil tahap preprocessing 20/06/2011 7

8 Perancangan Perangkat Lunak (2) Citra hasil tahap preprocessing Tahap Segmentasi Segmentasi cita menggunakan k- means clustering Citra tersegmentasi 20/06/2011 8

9 Citra hasil tahap segmentasi Perancangan Perangkat Lunak (3) Tahap Deteksi Titik Potong Pembuluh Menghitamkan background citra Proses thinning Proses pruning Menghitung jumlah cross over point pada layer dalam Menghitung jumlah cross over point pada layer luar 20/06/2011 9

10 Uji Coba dan Evaluasi Skenario Uji Coba : 1. Perbandingan hasil akurasi deteksi titik potong pembuluh citra dari proses iterasi pruning yang berbeda-beda. 2. Perbandingan hasil akurasi deteksi titik potong pembuluh citra dengan nilai kontras yang berbeda-beda. 20/06/

11 Citra masukan 01_test.tif Uji Coba 1 1 (2 kali iterasi) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 65% 20/06/

16 Evaluasi Uji Coba 1 Hasil uji coba 1 dilakukan pada 10 citra DRIVE Database yang berbeda-beda No Jumlah iterasi Rata-rata Nilai Akurasi (%) , , , , ,51 20/06/

17 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras 0,0275) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 11,76% 20/06/

18 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras ) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 38,89% 20/06/

19 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras 0,0675) Citra green channel Citra hasil deteksi titik potong Hasil Akurasi Deteksi Titik potong 83,69% 20/06/

20 Citra masukan 03_test.tif Uji Coba 2 1 (nilai kontras 0,0875) Citra green channel Citra hasil deteksi Hasil Akurasi Deteksi Titik potong 52% 20/06/

23 Evaluasi Uji Coba 2 Hasil uji coba 2 dilakukan pada 10 citra DRIVE Database yang berbeda-beda No Nilai Kontras Rata-rata Nilai Akurasi (%) , , , , , ,28 20/06/

24 Kesimpulan(1) Algoritma ini dapat mendeteksi titik potong pembuluh dengan baik pada citra fundus mata berwarna sehingga didapatkan hasil deteksi titik potong pembuluh darah pada citra retina dengan rata rata nilai akurasi sebesar 82,45% Jumlah iterasi yang terlalu sedikit pada morphological pruning menyebabkan nilai akurasi kecil. Jumlah iterasi yang terlalu besar menyebabkan nilai akurasi yang kecil. 20/06/

25 Kesimpulan(2) Nilai kontras yang dipilih terlalu kecil menyebabkan nilai akurasi kecil. Apabila nilai kontras terlalu besar menyebabkan nilai akurasi yang kecil. 20/06/

26 Saran Hasil pada saat proses segmentasi masih banyak menghasilkan percabangan pada pembuluh darah. Perlu pengembangan metode untuk proses segmentasi sehingga diperoleh hasil segmentasi yang lebih baik agar kesalahan pendeteksian titik potong pembuluh darah citra retina bisa berkurang. 20/06/

27 Daftar Pustaka [1] A.M. Aibinu, M.I. Iqbal, M. Nilsson, M.J.E. Salami, Vascular Intersection Detection in Retina Fundus Image using new Hybrid Approach, 2010 [2] A.M. Aibinu, M.I. Iqbal, M. Nilsson, M.J.E. Salami, Automatic diagnosis of diabetic retinopathy from fundus images using digital signal and image processing techniques, in: International Conference on Robotics, Vision, Information, and Signal Processing, Penang, Malaysia, November 2007, pp [3] Youssef,A., "Image Downsampling and Upsampling Methods", Department of EECS, The George Washington University. [4] Gonzalez, R. C. and Woods, R. E. Digital Image Processing Using MATLAB, Prentice Hall, Upper Saddle River, NJ [5] Gonzalez R.C., Woods R.E, Digital Image Processing, Third Edition, Prentice Hall, 2008 [6] Wikipedia Channel, <URL: diakses 5 Mei 2011>. [7] Chek Koon Teo, Digital Enhancement of Night Vision and Thermal Images, December 2003 [8] A.Hidayanto, dkk, Analisis Deteksi Tepi pada citra berdasarkan perbaikan kualitas citra, 2005 [9] Homepages, 2011, <URL: diakses 20 Mei 2011 > [10] Sarigul, E., Abbott, A.L., dan Schmoldt, D.L., Rule-driven defect detection in CT images of hardwood logs. Computers and Electronics in Agriculture, 2003, 41, 1-3: [11] Ge, F., Wang, S., dan Liu, T., Image-Segmentation Evaluation From the Perspective of Salient Object Extraction. Proceeding of the 2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition. [12] The DRIVE database, Image Sciences Institute, University Medical Center Utrecht, The Netherlands <URL : diakses 11 Oktober 2010> [13] Wiwin Sulistyo, dkk, Analisis Penerapan Metode Median Filter Untuk Mengurangi Noise Pada Citra Digital, Konferensi Nasional Sistem dan Informatika, Bali, November /06/

28 20/06/

29 Perhitungan Akurasi Perhitungan akurasi dengan menggunakan persamaan: Dimana: R = Citra hasil dari proses deteksi A = Citra ground truth = irisan citra hasil proses deteksi dan citra ground truth = semua piksel pembuluh darah pada citra proses deteksi dan ground truth A + R - 20/06/

30 Tujuan : Menghilangkan derau pada citra dan menghaluskan citra. Penghilangan Derau dengan Median Filter Median filter adalah suatu teknik filtering digital nonlinear yang sering digunakan untuk menghilangkan derau. Teknik tersebut menitik beratkan pada nilai median atau nilai tengah dari jumlah total nilai keseluruhan piksel yang ada di sekelilingnya. Teknik ini bekerja dengan cara mengisi nilai dari setiap piksel dengan nilai median tetangganya. Proses pemilihan median ini diawali dengan terlebih dahulu mengurutkan nilai-nilai piksel tetangga, baru kemudian dipilih nilai tengahnya. Citra green channel Citra setelah median filter 20/06/

31 Contrast Limited Adaptive Histogram Equalization Contrast Limited Adaptive Histogram Equalization (CLAHE) termasuk teknik perbaikan citra yang digunakan untuk memperbaiki kontras pada citra. CLAHE memperbaiki local contrast pada citra. CLAHE merupakan generalisasi dari Adaptive Histogram Equalization (AHE). Berbeda dengan histogram equalization yang beroperasi pada keseluruhan region pada citra, CLAHE beroperasi pada region yang kecil yang disebut dengan tile. Kontras terutama pada area yang homogen bisa dibatasi untuk mengurangi adanya derau yang mungkin muncul pada citra dengan cliplimit. 20/06/

32 Formula dari histogram Equalization adalah sebagai berikut : 20/06/ Contrast Limited Adapive Histogram k j j r k k r p r T S 0 k j j n n 0 n n r P k k r ) (

33 Contrast Limited Adaptive Histogram Equalization (CLAHE) Histogram dari suatu citra digital dengan range tingkat [0 L-1] adalah sebuah fungsi diskrit h(r k )=n k, dengan r k adalah tingkat keabuan ke-k dan n k merupakan jumlah piksel dalam citra yang memiliki tingkat keabuan r k Normalisasi histrogram dilakukan dengan membagi setiap nilai n k dengan total jumlah piksel dalam citra, yang dinyatakan dengan n. p(r k ) menyatakan estimasi probabilitas kemunculan tingkat keabuan r k. Sumbu horisontal dari histogram menyatakan nilai tingkat keabuan r k. Sumbu vertikal menyatakan nilai dari p(r k ) = n k /n (jika nilainya dinormalisasi). 20/06/

34 Interpolasi Bilinear Interpolasi bekerja dengan cara menggunakan data yang sudah diketahui untuk mengistimasi nilai suatu data yang belum diketahui Interpolasi bilinear menghitung 2x2 ketetanggan dari dari piksel yang telah diketahui nilainya untuk menghitung nilai piksel yang belum diketahui. Perhitungannya menggunakan rata rata bobot dari ke empat piksel untuk mndapatkan nilai interpolasi. Hasil dari interpolassi lebih halus efeknya pada citra daripada emnggunakan nearest neighbor Contoh dari interpolasi bilinear seperti pada gambar di bawah ini. Lihat contoh 20/06/

35 Segementasi Citra Segmentasi citra merupakan suatu proses pengelompokkan citra menjadi beberapa region berdasarkan kriteria tertentu. Tujuan dari segmentasi citra adalah untuk menemukan karakteristik khusus yang dimiliki suatu citra. Citra disederhanakan dan atau direpresentasikan dalam gambaran yang lebih mudah untuk di analisis 20/06/

36 K-means Clustering 20/06/

37 Proses Menghitamkan Background Citra Caranya untuk menghitamkan background pada citra adalah sebagai berikut : Mencari red channel citra Mengubah citra red channel menjadi citra biner berdasarkan threshold citra tersebut. Menghitamkan piksel piksel yang alamatnya sama dengan alamat piksel hitam pada citra biner Melakukan deteksi tepi pada citra red channel menggunakan deteksi tepi sobel Menghitamkan piksel piksel citra hasil segmentasi yang alamatnya sama dengan alamat piksel putih pada citra yang telah terdilasi 20/06/

38 Deteksi Tepi Sobel Deteksi tepi (Edge Detection) pada suatu citra adalah suatu proses yang menghasilkan tepi-tepi dari obyek-obyek citra. Tujuan edge detection: Untuk menandai bagian yang menjadi detil citra Untuk memperbaiki detil dari citra yang kabur, yang terjadi karena derau Deteksi Tepi Sobel dengan parameter sensitivitas threshold sebesar Dilasi hasil deteksi tepi sobel dengan SE berbentuk disk dengan R=5 20/06/

39 Deteksi Tepi Sobel (1) Secara sederhana, operator sobel menghitung gradien dari intensitas citra pada setiap titik sehingga didapatkan kemungkinan arah yang terbesar yang bertambah dari warna yang terang sampai warna gelap dan laju perubahan pada masing-masing arah. Hasilnya akan menunjukkan seberapa halus citra akan melakukan perubahan pada titik tersebut. Oleh karena itu, nantinya sebagian citra akan mewakili suatu edge. 20/06/

40 Dilasi 20/06/

41 Proses thinning Algoritma dari proses thinning adalah sebagai berikut : A) 1. 2< N(p1) <=6 2. T(p1)=1 3. P2.P4.P6 = 0 4. P4.P6.P8=0 B) 1. 2< N(p1) <=6 2. T(p1)=1 3. P2.P4.P8 =0 4. P2.P6.P8=0 Penjelasan secara umum dari algoritma di atas adalah sebagai berikut: pada proses A piksel p1 dihapus jika tetangga piksel antara 2-6, Transisi dari 0-1 jumlahnya 1, hapus titik yang berada di kanan, bawah, dan ujung kiri atas Pada Proses B kondisi 1 dan 2 sama dengan kondisi pada proses A, untuk kondisi ketiga dan keempat, titik yang dihapus adalah titik yang berada di kiri, atas dan ujung kanan bawah 20/06/

42 Proses Thinning (2) Algoritma Lainnya adalah dengan cara : Kita bisa mendefinisikan thinning menggunakan serangkaian structuring element sebagai berikut : A { B} ((...(( A B ) B )...) B 1 2 n ) Prosesnya adalah menguruskan A satu pass dengan B 1, selanjutnya menguruskan hasilnya satu pass dengan B 2, dan selanjutnya, sampai A dikuruskan satu pass dengan B n. Keseluruhan proses diulang sampai tidak ada lagi perubahan yang terjadi. 20/06/

43 Proses Pruning Morphological Pruning adalah transformasi yang menghilangkan endpoint dari citra yang telah mengalami proses thinning dan memproses sampai stabilitas tercapai. Proses Morphological Pruning merupakan proses pemangkasan cabang (branches) yang tidak diperlukan. Cabang yang tidak diperlukan biasanya muncul sebagai hasil dari Morphological Thinning. 20/06/

44 Proses Pruning 20/06/ Persamaan untuk pruning adalah sebagai berikut X1 digunakan untuk mendeteksi end point agar mendapatkan hasil seperti yang diinginkan, dimana A adalah citra masukan, dan B adalah structuring element ) ( ) * ( } { X X X A H X X B X X B A X k k

45 Proses Pruning X2 digunakan untuk merestore karakter ke bentuk aslinya dengan branches yang telah diremove Langkah ketiga merupakan dilasi end points selama 3 x, dengan H adalah structuring element X4 merupakan gabungan dari langkah pertama dan ketiga. X4 adalah hasil dari proses pruning 20/06/

46 Proses deteksi Titik Potong Metode ini mencari titik potong citra dengan menghitung jumlah crossover point yang berada di sekitar piksel. Metode ini menggunakan window dengan ukuran 5x5. Window terdiri dari pusat piksel dengan 8 tetangga pada layer yang dalam dan dikelilingi oleh 16 piksel tetangga pada layer luar. Ilustrasi dari window yang digunakan pada metode ini adalah seperti pada gambar di bawah ini : 20/06/

47 Proses perhitungan Cross Over Point 20/06/

48 Contoh Interpolasi bilinear Formula dari interpolasi bilinear adalah sebagai berikut : s = (1-y)((1-x)g A (s) + xg B (s))+ y((1-x)g C (s) + xg D (s)) Interpolasi bilinear pada metode Clahe digunakan untuk mengeliminasi Region boundaries 20/06/