BAB I PENDAHULUAN 1.1 Latar Belakang Selama lebih dari dua puluh tahun terakhir, penelitian tentang tumor otak yang dilakukan oleh National Cancer Institute Statistics (NCIS) menyebutkan penyakit tumor otak meningkat sebesar 10% tiap tahunnya [1]. Dan menurut data dari International Agency for Research on Cancer, bahwa lebih dari 126.000 orang di dunia mengidap tumor otak tiap tahun, dengan lebih dari 97.000 diantaranya meninggal [2]. Angka tersebut memperlihatkan bahwa penderita tumor otak sangat tinggi dan dapat meningkat dari tahun ke tahun. Untuk melawan penyakit tersebut, banyak peneliti menggunakan beberapa pendekatan baik melalui pengetahuan kedokteran, matematika, hingga ilmu komputer untuk mendapatkan metode penyembuhan yang efektif. Salah satunya adalah metode deteksi dan analisis penyakit pada otak melalui segmentasi citra. Segmentasi merupakan teknik membagi-bagi daerah citra menjadi beberapa daerah sesuai dengan kesamaannya. Perkembangan teknologi telah banyak membawa kemajuan pada peralatan perekaman medis. Peralatan perekaman medis digunakan untuk melacak keberadaan elemen-elemen tertentu pada bagian tubuh manusia. MRI (Magnetic Resonance Imaging) merupakan peralatan terbaik untuk merekam bagian otak manusia [3]. Hal ini didasari dari hasil perekaman yang mampu memperoleh citra dengan resolusi yang tinggi. Sangat sesuai untuk karakteristik otak yang mempunyai struktur kompleks, intensitas dan warna yang beragam. Sehingga mampu menentukan daerah otak normal dan abnormal. Selain itu MRI juga bebas terhadap radiasi ion. Karena MRI bekerja menggunakan medan magnet untuk melakukan perekaman pada anggota tubuh. Sehingga MRI sangat aman digunakan pada organ seperti otak. Namun terdapat beberapa gangguan yang mungkin muncul pada citra MRI. Salah satu gangguan pada citra MRI yang dapat menjadi kendala dalam segmentasi citra yaitu adanya derau [2]. Derau merupakan sinyal yang tidak diinginkan yang
terbawa pada sinyal dan akan selalu ada dalam citra medis. Derau pada umumnya muncul karena kesalahan memori, sensor yang bermasalah pada peralatan perekaman, dan dapat muncul saat proses transmisi jaringan internet. Derau pada citra medis dapat menurunkan kualitas citra yaitu menutupi dan mengurangi kenampakan fitur tertentu dalam citra. Hal ini dapat mengganggu proses segmentasi dimana segmentasi citra yang bertujuan memberikan informasi tentang suatu citra. Oleh karena itu perlu dilakukan perbaikan citra terhadap derau yang muncul. Pada hakekatnya citra medis bukan sebuah produk namun citra medis merupakan bagian dari analisis [4]. Sehingga citra medis yang terbentuk diharapkan berkualitas agar tidak menyebabkan kesalahan diagnosis dan analisis lebih lanjut. Perbaikan citra dari derau merupakan tugas besar dan tidak mudah. Proses pengurangan derau atau denoising bertindak untuk meminimalisir derau pada daerah tertentu tanpa menurunkan detail atau kualitas citra [5]. Derau pada citra MRI otak sifatnya acak yang memiliki distribusi Rician [2]. Metode dengan tapis sederhana hingga dengan tapis lanjut, dari metode sederhana hingga metode penghilangan derau MRI yang spesifik telah banyak dilakukan. Metode-metode tersebut antara lain metode penapisan linier, metode penapisan non-linier, penapisan diffusi non-linier anistropic, model Markov Random Field (MKV), model wavelet, model non-local means (NL-means) dan skema pengkoreksian analitis. Metode-metode tersebut mempunyai keunggulan dan kelemahan. Contohnya metode dengan tapis linier mempunyai prinsep kerja yang sederhana, yaitu selalu memperbarui nilai piksel dari rata-rata pembobotan piksel ketetanggaan. Tapis derau ini mengurangi citra tetapi juga mengurangi detil citra dan sisi-sisi citra. Selain itu apabila citra dikembalikan akan menjadi kabur. Berbeda jika menggunakan tapis non-linier, jenis tapis ini mempunyai kemampuan performa yang lebih baik dalam mempertahankan garis tepi tetapi menurunkan kualitas pada struktur halus. Resolusi citra hasil tapis non-linier juga akan berkurang [3]. Penelitian ini akan difokuskan perbaikan citra MRI yang mengandung derau
agar dapat melakukan segmentasi yang baik. Segmentasi merupakan proses mengambil informasi dari sebuah citra untuk dapat diambil kesimpulan dalam proses analisis atau diagnosis. Segmentasi yang baik adalah yang mampu membagi daerah citra dengan secara sempurna sesuai dengan kesamaan fitur dari daerah tersebut. Hasil segmentasi citra dengan derau tidak dapat terbagi-bagi dengan sempurna dan terkadang informasi di dalamnya hilang. Sehingga pada penelitian ini bertujuan untuk melakukan segmentasi citra MRI otak berderau dengan menggunakan clustering FCM. 1.2 Perumusan masalah Penelitian ini dibatasi pada citra MRI otak berderau. Dengan demikian permasalah yang harus dipecahkan pada penelitian ini adalah : a) Citra berderau dapat menurunkan kualitas citra dan menutupi kenampakan detail fitur-fitur citra. b) Clustering dengan algoritme FCM memerlukan pengaturan parameterparameternya dan terkadang pemilihan parameter kurang tepat. c) Cara pengukuran hasil segmentasi citra berderau dengan metode FCM untuk mengetahui tingkat pengoptimalan clustering. 1.3 Keaslian penelitian Sulaiman [5] melakukan penelitian segmentasi citra MRI otak berderau. Jenis derau yang digunakan adalah salt-and-pepper yang diberikan dalam beberapa tingkatan intensitas. Penelitian tersebut bertujuan untuk melakukan perbaikan derau sekaligus melakukan segmentasi dengan menggunakan metode clustering K-Means dan dikombinasikan dengan metode pengurangan derau (AFKM). Hasil penelitian tersebut memperlihatkan bahwa segmentasi dengan kondisi citra berderau tidak dapat terbagi dengan sempurna. Hal ini ditunjukkan pada daerah citra yang seharusnya berbeda tidak dapat sempurna terpisah. Namun dengan menggunakan metode AFKM citra berderau dapat diminimalisir dan hasil segmentasi dapat
membagi citra dengan baik. Selanjutnya Yao dan Cheng [6] melakukan penelitian untuk mengetahui algoritme yang unggul dalam menangani citra MRI otak yang berderau dan yang mempunyai kekontrasan rendah. Empat Algoritme yang digunakan untuk menyelesaikan kedua masalah tersebut adalah Priori shape generation (PSG), Region-based M-S model (RMSM), boundary-based curve evolution (BCE), dan Diffusion filter (DF). Hasil penelitian menyimpulkan segmentasi citra MRI otak dengan derau tinggi akan lebih unggul apabila menggunakan algoritme region yang dikombinasikan dengan diffusion filter (DF). Penelitian oleh Freifeld [7] bertujuan untuk melakukan segmentasi citra MRI otak dan mendeteksi daerah lesi atau penyakit. Metode yang dilakukan pada penelitian ini adalah dengan menggunakan modifikasi GMM atau dikenal dengan (gausian probabilistic distribution function) agar dapat melakukan segmentasi pada citra berderau. Langkah selanjutnya dengan mendapatkan batas-batas lesi dengan menggunakan metode active contour. Penelitian ini diterapkan pada citra simulasi dari Brainweb dan citra asli. Hasil penelitian terbukti mampu melakukan segmentasi dan mendeteksi penyakit (lesi) pada citra MRI yang berderau tinggi. Lain halnya yang dilakukan Satheesh [8] yaitu melakukan pengurangan derau pada citra MRI untuk dapat dibagi-bagi citra tersebut dan menyisakan daerah yang dibutuhkan saja. Metode yang digunakan pada penelitian ini adalah metode pengurangan derau dengan menggunakan transformasi contourlet. Selanjutnya segmentasi dilakukan dengan menggunakan operasi morfologi berdasarkan nilai ambang (thresholding) untuk mengekstrak daerah citra otak. Penelitian ini membanding hasil antara metode menggunakan pengurangan derau dengan metode tanpa pengurangan derau. Kemudian diukur dengan nilai similarity index dan segmentation error. Penelitian diterapkan pada lima citra asli abnormal dengan pembobotan T1. Hasil penelitian diketahui bahwa citra dengan pengurangan derau akan mendapatkan nilai segmentasi error lebih rendah dan similarity index lebih tinggi dibanding citra tanpa pengurangan derau terlebih dahulu. Penelitian Gao [9] mengembangkan metode berbasis tapis anisotropic
diffusion dan proses morfologi untuk melakukan segmentasi citra. Gao menggunakan metoode anisotropic diffusion untuk mengurangi deraunya. Sedangkan deteksi tepi untuk mengetahui batas-batas daerah anatomi otaknya. Selanjutnya operasi morfologi untuk membagi daerah citra otak dan tengkorak. Penelitian diterapkan pada citra MRI otak dan hasilnya memperlihatkan bahwa metode yang dilakukan mampu membagi citra secara tepat. Usaha untuk mengoptimalisasi segmentasi dengan menggunakan modifikasi Fuzzy C-Means (FCM) juga telah dilakukan [10]. Tujuan penelitian tersebut adalah untuk mengetahui lokasi dan ukuran daerah tumor otak. Tahap awal penelitian yaitu melakukan segmentasi citra otak normal. Kemudian dilanjutkan dengan menggunakan citra tumor. Pada penelitian ini juga menguji kehandalan metode dan menganalisa kemampuannya dalam mengurangi derau. Citra yang digunakan adalah citra MRI otak normal dan abnormal berukuran 256x256 dengan pembobotan T1 dan T2 dan tiga bidang penyinaran. Hasil penelitian ini mampu mendeteksi daerah tumor dan mengetahui ukuran tumor tersebut. Selain itu segmentasi citra dengan informasi spasial menunjukkan metode lebih efektif. Beberapa penelitian tersebut menggunakan metode pengurangan derau yang berbeda-beda sesuai dengan citra yang digunakan. Sebagai contoh pengurangan derau Rayleigh dapat diatasi dengan memodifikasi tapis gausian [7]. Pada penelitian ini bertujuan untuk memperbaiki citra berderau dengan menggunakan metode penapisan yang tepat. Selain itu, pada penelitian ini akan dilakukan segmentasi pada citra MRI otak yang mengandung derau dengan clustering FCM. Dengan bantuan sistem kecerdasan buatan dan clustering, kesalahan dalam melakukan segmentasi dapat diminimalisir. 1.4 Tujuan Penelitian Adapun tujuan yang ingin dicapai dalam penelitian ini adalah : 1. Menganalisis metode perbaikan derau yang tepat untuk citra MRI otak.
2. Mengoptimalkan parameter nilai fuzziness (m) metode clustering dengan menggunakan algoritme FCM. 3. Menganalisis hasil segmentasi citra berderau untuk melihat keberhasilan metode clustering FCM dengan pengukuran validasi segmentasi. 1.5 Manfaat Penelitian Adapun manfaat yang diharapkan dari penelitian ini adalah : 1. Mendapatkan metode perbaikan citra yang sesuai untuk citra MRI yang mengandung derau. 2. Mendapatkan parameter-parameter algoritme FCM yang optimal untuk mencapai segmentasi yang berkualitas baik. 3. Sebagai informasi tambahan atau second opinion bagi dokter untuk memudahkan mengenali bagian citra yang berpotensi abnormal. 4. Segmentasi yang berhasil dengan baik dapat membantu melakukan pendeteksian dini terhadap ketidaknormalan suatu daerah citra. 5. Menjadi bahan kajian lebih lanjut bagi para peneliti lain untuk dapat melakukan penelitian penelitian yang terkait.