implementasi segmentasi hard exudates pada diabetic...
TRANSCRIPT
PRESENTASI TUGAS AKHIR – KI091391
IMPLEMENTASI SEGMENTASI HARD EXUDATES PADA DIABETIC RETINOPATHY UNTUK CITRA FUNDUS
RETINA
Penyusun Tugas Akhir :Noriandini Dewi Salyasari
(NRP : 5108.100.014)
Dosen Pembimbing I :Prof.Ir.Handayani Tjandrasa, M.Sc., Ph.D.
NIP. 19490823 197603 2 001
08 Februari 2012 1Tugas Akhir – KI091391
(Kata Kunci: Hard Exudates, Diabetic Retinopathy, FCM Korelasi Spasial)
Dosen Pembimbing II :Arya Yudhi Wijaya, S.Kom., M.Kom.
NIP. 19840904 201012 1 002
08 Februari 2012 Tugas Akhir – KI091391 2
PENDAHULUAN
TINJAUAN PUSTAKA
DESAIN & IMPLEMENTASI
UJI COBA & ANALISA
KESIMPULAN & SARAN
• Latar Belakang Tugas Akhir• Tujuan Tugas Akhir• Permasalahan Tugas Akhir• Batasan Masalah Tugas Akhir
•Optik Disk• Exudates
•Desain Aplikasi Secara Umum•Preprocessing•Segmentasi•Rancangan Antar Muka
•Uji coba dengan perbandingan•Ukuran window•Uji coba berdasar nilai spasial scale•Dan gray scale•Uji coba berdasar nilai konvergensi•Uji coba berdasar jumlah cluster
08 Februari 2012 Tugas Akhir – KI091391 3
Latar Belakang
Diabetic retinopathy adalah salah satu komplikasiserius yang disebabkan oleh penyakit diabetesmellitus yang menyebabkan kurangnya dayapenglihatan atau kebutaan
08 Februari 2012 Tugas Akhir – KI091391 4
Selama ini mendeteksi kelainan hard exudatesdilakukan oleh seorang ophtalmologist (ahli penyakitmata) dan profesional yang melakukan pengkurandan pelabelan area hard exudates secaramanual.
08 Februari 2012 Tugas Akhir – KI091391 5
Latar Belakang
Mengimplementasikan segmentasi hardexudates pada citra fundus retina yangterkena kelainan diabetic retinopathy.
Hasil segmentasi ini nantinya akanmemberikan bantuan di bidang kesehatandengan cara mempermudah pasien diabetesmellitus mendeteksi secara dini dan otomatiskelainan diabetic retinopathy yangmenyerang retina mata.
08 Februari 2012 Tugas Akhir – KI091391 6
Tujuan
PreprocessingDeteksi optik diskEliminasi optik disk
SegmentasiSegmentasi Hard Exudates dengan
menggunakan Fuzzy C means KorelasiSpasial
08 Februari 2012 Tugas Akhir – KI091391 7
Permasalahan
Metode fuzzy c means yang digunakan merupakanmetode fuzzy c means yang telah di modifikasiberdasarkan korelasi spasial.Dataset citra menggunakan data dari DIARETDB danbeberapa citra dari sumber berbeda yang memilikiilluminasi yang bagus dan yang memiliki brightarea dari sisi exudates.Citra input yang digunakan berukuran 390 x 390.
08 Februari 2012 Tugas Akhir – KI091391 8
Batasan Masalah
08 Februari 2012 Tugas Akhir – KI091391 9
• Optik disk (OD) atau pusat syaraf mataadalah daerah pada mata tempat syarafmata memasuki retina dan merupakanpertemuan seluruh syaraf mata.
08 Februari 2012 Tugas Akhir – KI091391 10
Optik Disk
Hard Exudates merupakan suatu bercak kecildisebabkan merembesnya cairan yang kaya lemakdan protein bersama darah ke mata. Hal ini dapatmencegah cahaya untuk mencapai retina, danmenyebabkan gangguan penglihatanSoft Exudates disebabkan pra kapiler retina arteriolmemasok darah ke lapisan serat saraf yangtersumbat dan saraf akson serat lokal menjadimembengkak.
08 Februari 2012 Tugas Akhir – KI091391 11
Exudates
08 Februari 2012 Tugas Akhir – KI091391 12
08 Februari 2012 Tugas Akhir – KI091391 13
Step 1PREPROCESSING
• Enhacement Histogram Equalization
• Eliminasi optik disk
Step 2Segmentasi
• Membentuk matriks ketetanggaan
• Menghitung local image feature
• Pembobotan piksel• Initial pusat cluster dengan
FCM basic• Membership dan pusat kluster
dengan FCM Korelasi Spasial
Desain Aplikasi Secara Umum
08 Februari 2012 Tugas Akhir – KI091391 14
Histogram Equalization
Deteksi Optik Disk
Eliminasi optik diskDengan
Midpointcircle algorithm
Preprocessing
08 Februari 2012 Tugas Akhir – KI091391 15
Preprocessing
Hasil Akhir Tahap Preprocessing
Citra input Histogram equalization
08 Februari 2012 Tugas Akhir – KI091391 16
Segmentasi
Membentuk Matriks Ketetanggaan
Menentukan Local Image Feature
Melakukan Pembobotan Piksel
Inisialisasai pusat cluster Dengan FCM-basic
Menentukan pusat kluster Dan keanggotaan
Dengan FCM Korelasi Spasial
Ekstraksi Hard Exudates
08 Februari 2012 Tugas Akhir – KI091391 17
Segmentasi
Hasil Akhir Hard Exudates
08 Februari 2012 Tugas Akhir – KI091391 18
Rancangan Antar Muka
08 Februari 2012 Tugas Akhir – KI091391 19
Perhitungan akurasi segmentasi hardexudates didapatkan dari membandingkanpiksel foreground antara citra hasilsegmentasi dengan citra ground truth.
08 Februari 2012 Tugas Akhir – KI091391 20
Perhitungan Akurasi
Image 016.png
08 Februari 2012 Tugas Akhir – KI091391 21
Uji Coba dengan Perbandingan Ukuran Window
Ukuran window 3 x 3
Ukuran window 5 x 5
Citra input
No Ukuranwindow
Akurasi Running Time
1 3 x 3 85.39 25.64
2 5 x 5 83.73 28.76
08 Februari 2012 Tugas Akhir – KI091391 22
Uji Coba dengan Perbandingan Ukuran Window
Analisa:Parameter ukuran w indow sangat berpengaruh dalam proses segmentasi hard exudates dengan FCM korelasi spasial.Semakin kecil ukuran window dalam hal ini ukuran window sama dengan 3maka hasil hard exudates yang tersegmentasi akan semakin baikdan running time yang singkat
Image016.png
08 Februari 2012 Tugas Akhir – KI091391 23
Uji Coba berdasar Nilai Spatial Scale dan Gray Scale
Spatial scale, gray scale =1
Spatial scale, gray scale = 3
Citra input
Spatial scale, gray scale = 10
No Spatial dan Gray Scale
Akurasi
1 1 85.39
2 3 79.13
3 10 77.49
08 Februari 2012 Tugas Akhir – KI091391 24
Uji Coba berdasar Spatial Scale dan Gray Scale
Analisa:Pemilihan nilai spatial scale dan gray scale sangat mempengaruhi hasil segmentasi citra hard exudates.Nilai spatial scale dan gray scale yang kecil, maka akan semakin banyak pengaruh antar pikselnya dalam segmentasi hard exudates.Apabila nilai spatial scale dan gray scale yang besar maka akan semakin sedikit pengaruh antar pikselnya dalam segmentasi hard exudates
Image016.png
08 Februari 2012 Tugas Akhir – KI091391 25
Uji Coba berdasar Nilai Konvergensi Error
Konvergensi error=0.01
Konvergensi Error= 0.001
Citra input
Konvergensi Error= 0.0001
No NilaiKonvergensi
Akurasi Running Time
1 0.01 77.60 23.47
2 0.001 77.64 23.93
3 0.0001 85.39 25.64
08 Februari 2012 Tugas Akhir – KI091391 26
Uji Coba berdasar Nilai Konvergensi Error
Analisa:Nilai konvergensi error yang dipilih akan sangat mempengaruhi nilai akurasi segmentasi citra.Semakin kecil nilai konvergensi error yang digunakan, maka akan menyebabkaniterasi perubahan pusat kluster dan keanggotaan citra hard exudates akanberhenti ketika sudah benar-benar optimal
Image.016.png
08 Februari 2012 Tugas Akhir – KI091391 27
Uji Coba berdasar Jumlah Cluster
Jumlah cluster =6
Jumlah cluster =8
Citra input
Image.016.png
08 Februari 2012 Tugas Akhir – KI091391 28
Uji Coba berdasar Jumlah Cluster
Jumlah cluster =10
Jumlah cluster =12
Citra input
No JumlahCluster
Akurasi Running Time
1 6 32.27 10.08
2 8 85.39 25.64
3 10 73.43 37.19
4 12 68.50 54.75
08 Februari 2012 Tugas Akhir – KI091391 29
Uji Coba berdasar Jumlah Cluster
Analisa:Jumlah clustering bergantung pada berapa jenis warna yang terdapat pada citra tersebut supaya citra dengan piksel tertinggi yaitu hard exudatesdapat terkelompokkan dengan benar.
08 Februari 2012 Tugas Akhir – KI091391 30
Rata-rata Akurasi
Citra Ukuranwindow
Spatial , Gray level
Nilaikonvergen
Jumlahcluster
Akurasi(%)
3 1 0.0001 8 85.39
08 Februari 2012 Tugas Akhir – KI091391 31
Dengan melihat hasil uji coba terbukti bahwaalgoritma FCM Korelasi Spasial dapatmensegmentasi dengan baik citra fundus mataberwarna sehingga didapatkan hasil segmentasiberupa hard exudates.Perubahan ukuran w indow dalam segmentasi mempengaruhi hasil akurasi segmentasi citra dari proses algoritma ini. Semakin kecil ukuran window, maka semakin besar local image feature nya yang berarti semakin tinggi korelasi antar pikselnya
08 Februari 2012 Tugas Akhir – KI091391 32
Kesimpulan
Nilai spatial scale dan gray level berpengaruhterhadap hasil akurasi segmentasi citra dariproses algoritma ini. Apabila nilai spatial scale dangray level kecil, maka akan semakin berpengaruhantar pikselnya.Jumlah cluster setiap citra untuk mendapatkanhasil segmentasi yang optimal berbeda-beda.Bergantung pada iluminasi dan warna dari citratersebut.
08 Februari 2012 Tugas Akhir – KI091391 33
Kesimpulan
08 Februari 2012 Tugas Akhir – KI091391 34
Saran
• Terdapat kekurangan pada hasil segmentasi hardexudates yaitu belum mampu mensegmentasidengan optimal apabila terdapat exudatesyang tingkat kecerahannya berbeda-beda.
• Sehingga diharapkan adanya pengembanganmetode yang mampu mensegmentasi denganoptimal apabila terdapat permasalahan seperti yangtelah disebutkan sebelumnya.
08 Februari 2012 Tugas Akhir – KI091391 35
TERIMA KASIH
2 3 3 2
4 2 4 3
3 2 3 5
2 4 2 4
08 Februari 2012 Tugas Akhir – KI091391 36
Histogram Equalization
4x4 image Gray scale = [0,9]
histogram
0 1
1
2
2
3
3
4
4
5
5
6
6
7 8 9
No. of pixels
Gray level
08 Februari 2012 Tugas Akhir – KI091391 37
Histogram Equalization
GrayLevel(j) 0 1 2 3 4 5 6 7 8 9
No. ofpixels 0 0 6 5 4 1 0 0 0 0
0 0 6 11 15 16 16 16 16 16
0 06/16
11/16
15/16
16/16
16/16
16/16
16/16
16/16
s x 9 0 0 3.3≈3
6.1≈6
8.4≈8 9 9 9 9 9
∑=
k
jjn
0
∑=
=k
j
j
nn
s0
08 Februari 2012 Tugas Akhir – KI091391 38
Midpointcircle Algoritma
(0,R)
(0,-R)
(R,0)
x+
y+
0),( =yxF0),( <yxF0),( >yxF
222),( RyxyxF −+=
on circle
inside
outside
08 Februari 2012 Tugas Akhir – KI091391 39
Midpointcircle Algoritma
M
(x, y) (x+1, y)
(x+1, y+1)SE
0)2/1,1( >++ yxF0)2/1,1( ≤++ yxF
EPilih E
Pilih SE
1 2 4
6 3 5
7 8 9
08 Februari 2012 Tugas Akhir – KI091391 40
Matriks Ketetanggaan
Dengan Center = 3 dan menggunakan window 3 x 3:Tetangga = 1 2 4 6 5 7 8 9
Dengan Center = 3 dan menggunakan window 5 x5Tetangga = 0 0 0 0 0 0 1 2 4 0 0 6 5 0 0 7 8 9 0
0 0 0 0 0
0 1 2 4 0
0 6 3 5 0
0 7 8 9 0
0 0 0 0 0
Salah satu bagian dari fuzzy c means dengan korelasispasial adalah dengan menentukan terlebihdahulu local image feature. Local image featurebergantung pada local spatial dan local gray levelsuatu image.
08 Februari 2012 Tugas Akhir – KI091391 41
Local Image Feature
Fijs digunakan untuk mencari jarakpiksel pusat dengan pikselketetanggaannya sekitar piksel pusat.
08 Februari 2012 Tugas Akhir – KI091391 42
Local Image Feature
Fijg menunjukkan hubungan dari piksel-piksel dalam satu window, yang dapatmerefleksikan ketidaksamaan piksel-pikselyang bertetangga dalam satu windowtersebut.
08 Februari 2012 Tugas Akhir – KI091391 43
Local Image Feature
Semakin dekat nilai gray suatu pikseltetangga dengan nilai gray pusat piksel dariwindow, maka semakin besar juga nilai localimage feature Fij piksel tetangga tersebut.
08 Februari 2012 Tugas Akhir – KI091391 44
Local Image Feature
08 Februari 2012 Tugas Akhir – KI091391 45
Pembobotan Piksel
Pembobotan piksel merupakan suatu proses pergantian nilai piksel dari gambar asli yang telah mendapat pengaruh local image feature sehingga nilai piksel citra asli telah memiliki ketergantungan dari piksel-piksel di sekitarnya sesuai dengan window yang telah ditentukan
Fuzzy C-Means adalah suatu teknik pengelompokan datadimana keberadaan titik-titik data dalam suatu klusterditentukan oleh derajat keanggotaan.Penentuan titik kluster dilakukan secara berulang-ulang hinggadiperoleh data yang akurat berdasarkan derajatkeanggotaannya
08 Februari 2012 Tugas Akhir – KI091391 46
FCM- Basic
08 Februari 2012 Tugas Akhir – KI091391 47
FCM- Basic
Objective functionyang berusahadiminimalkan oleh fuzzy c-means
dk(i,j) merupakan jarak antara piksel f(i,j) dengan kluster ke-k
Membership dan Pusat Cluster
08 Februari 2012 Tugas Akhir – KI091391 48
FCM- Basic
1 Inisialisasi pusat kluster(v) dan set posisi cluster(j) = 0
2 Inisialisasi matriks partisi fuzzy U(j=0) dengan persamaan(2.8)
3 Tambahkan j=j+1 lalu hitung pusat kluster denganpersamaan (2.9)
4 Hitung membership u(j) dengan persamaan (2.8)
5 Lakukan iterasi untuk step 3,4 hingga mencapai konvergensisetelah memenuhi kriteria persamaan (2.10)
08 Februari 2012 Tugas Akhir – KI091391 49
Pembentukan membership dan pusat cluster
Piksel yang telah mendapatkan pengaruh korelasi piksel ketetangaan dapat membantu dalam proses klusterisasi piksel. Piksel yang memiliki keterkaitan dengan piksel tetangganya akan menjadikan kemungkinan suatu piksel dengan piksel tetangganya dalam proses pengelompokan dikelompokan dalam satu kluster yang sama.