175-700-1-pb.pdf

JCONES Vol. 2, No. 1 (2013) 9-15

Journal of Control and Network Systems Situs Jurnal : http://jurnal.stikom.edu/index.php/jcone

PERBAIKAN KUALITAS CITRA SINAR X TULANG BELAKANG PENDERITA SKOLIOSIS DENGAN MENGGUNAKAN GAUSSIAN CROPPING Samuel Sugianto1)Susijanto Tri Rasmana2)Madha Christian Wibowo3)Sandy Wirakusuma4) Program Studi/Jurusan Sistem Komputer STMIK STIKOM Surabaya Jl. Raya Kedung Baruk 98 Surabaya, 60298 Email: 1)[email protected], 2)[email protected], 3)[email protected]

Abstract:This paper is to perform image enhancement to the spinal x-ray image of people with scoliosis, so that the segmentation process can be done better. Image is first filtered by using Modified Tophat filter and cropped using a vertical windowed Gaussian function with manually initialized center of peak points trough the spinal feature, thus the pixels on the both side of the center of peak points will gradually decrease, leaving only the spinal part. By using this Gaussian cropping, the success rate in segmentation process reached 79,355%.

Keywords:GVF Snake, Modified Tophat Filter, Gaussian cropping, Skoliosis, segmentation, spine. Skoliosis adalah fenomena kelainan tulang belakang yang akan membengkok membentuk huruf C atau S. Bila dibiarkan, sudut kemiringan tulang belakang (cobb angle) akan menjadi semakin besar. Hal ini dapat mengakibatkan saraf tulang belakang terjepit atau organ-organ dalam terganggu. Penderita stadium awal dapat disembuhkan dengan memasang penyangga eksternal pada tubuh, sedangkan pada penderita dengan cobb angle yang sudah terlalu besar harus dipasangi implan penyangga pada tulang belakangnya melalui proses pembedahan. Saat ini penentuan cobb angle oleh orthopedic masih memakai cara manual yang mempunyai tingkat presisi yang rendah, baik secara inter-observer (antar observer) maupun intra-observer (satu observer dalam pengukuran yang berbeda). Hal ini terjadi karena buruknya kualitas citra dan tingginya noise pada sinar x tulang belakang dari pasien penderita skoliosis. Noise itu dapat berupa organ-organ, darah, maupun tulang-tulang yang lainnya.

Untuk meningkatkan akurasi pengukuran cobb angle, diperlukancitra tulang belakang yang lebih jelas. Maka dari itu, dilakukan serangkaian proses pada citra sinar x tulang belakang, yaitu proses segmentasi kontur tulang belakang dengan menggunakan GVF Snake yang didahului dengan menambahkan Modified Tophat filter untuk mengekstraksi kontur tulang belakang, kemudian Gaussian cropping untuk menghilangkan noise di sisi kiri dan kanan tulang belakang.

I. METODE 1. Perancangan Sistem Diagram Sistem

dan

Blok

Model penelitian yang akan dilakukan adalah model penelitian pengembangan. Untuk mempermudah dalam memahami sistem yang akan dibuat dapat dijelaskan melalui blok diagram pada Gambar 1. Pada Gambar 1 terdapat 2 buah bagian utama, yaitu pre-processing dan segmentasi menggunakan GVF Snake.

Samuel Sugianto, Susijanto Tri Rasmana, Madha Christian Wibowo, Sandy Wirakusuma JCONES Vol. 2, No. 1 (2013) Hal: 9

Snakes atau active contour adalah garisgaris lengkung yang didefiniskan pada citra yang dapat bergerak di bawah pengaruh gaya internal yang berasal dari garis lengkung itu sendiri dan gaya eksternal yang dikomputasikan dari data citra. Gaya internal dan eksternal didefinisikan sehingga snake dapat menyesuaikan diri dengan tepi objek atau fitur lain dari citra yang diinginkan. (Xu dan Prince, 1998).Kemampuan snake untuk bergerak mengikuti kontur tepi suatu obyek itulah yang akan digunakan untuk proses segmentasi kelengkungan tulang belakang. Setelah proses filtering, didapat citra grayscale yang berbentuk tulang belakang tanpa noise disekeliling tulang belakang, barulah proses pembentukan imitasi siluet tulang belakang melalui titik-titik yang telah diinisialisasikan sambil menjaga kelenturan dan bentuk sesuai citra melalui parameter alpha, beta, dan gamma dengan memanfaatkan energi internal dan eksternal. Bentuk akhir snake ini digunakan sebagai imitasi dari bentuk kontur tulang belakang yang lebih jelas. Hasil snake inilah yang nantinya akan digunakan untuk perhitungan cobb angle.

Citra x-ray tulang belakang Pre-processing Modified Tophat Filter

Gaussian cropping

Segmentasi menggunakan GVF Snake

Hasil Gambar 1. Blok Diagram a.

Pre-processing Pre-processing dilakukan untuk mengekstraksi tepi dari citra sebelum dilakukan segmentasi. Keberhasilan proses segmentasi sangat dipengaruhi oleh edge map yang dihasilkan dari proses ini. Oleh karena itu, digunakan Modified Tophat filter yang digunakan sebelumnya oleh Sardjono pada tahun 2007 untuk mengekstraksi edge map dari citra tulang belakang.Namun bila hanya menggunakan Modified Tophat filter saja masih belum dapat memberikan hasil yang optimal pada saat proses segmentasi, karena banyaknya noise di kiri dan kanan citra tulang belakang yang akan sangat memengaruhi ketika dilakukan segmentasi. Maka dari itu, ditambahkan sebuah proses untuk menghilangkan noise tersebut. Proses Gaussian cropping ini dilakukan dengan menarik garis inisialisasi di sepanjang citra tulang belakang. Kemudian, dengan garis inisialisasi tersebut sebagai patokan, nilai piksel-piksel di samping-samping garis inisialisasi akan dikalkulasikan berdasarkan fungsi Gaussian, sehingga nilai di samping garis akan tergradasi dengan menyisakan citra tulang belakang saja. b. Segmentasi menggunakan GVF Snake.

2.

Sampel Citra X-ray Tulang Belakang

Sampel yang digunakan pada penelitian ini diperoleh dari Departemen Radiologi, University Medical Center Groningen, Belanda. 3.

Modified Tophat Filter.

Tahap pertama dari proses pre-processing adalah proses filtering untuk memperjelas citra tulang belakang dan mengurangi noise di sekitar tulang belakang menggunakan Modified Tophat Filter. Rumus Modified Tophat adalah :

mod TH  Keterangan :

( f  b)  f   .................... (1) f b  = operator morfologiclosing  = operator morfologiopening b = struktur elemen

 f

= attenuation factor = citra

4. Gaussian cropping

Samuel Sugianto, Susijanto Tri Rasmana, Madha Christian Wibowo, Sandy Wirakusuma JCONES Vol. 2, No. 1 (2013) Hal: 10

Tahap kedua dari proses pre-precessing adalah dengan menghilangkan noise dan bagianbagian dari citra sinar x yang tidak diperlukan khususnya bagian kanan dan kiri dari citra tulang belakang menggunakan koordinat yang dikumpulkan dari gerakan mouse yang mengikuti bentuk tulang belakang.

Gaussian  exp

 b  a 2    2 c 2 

   

........................ (2)

Keterangan : a= koordinat piksel pada citra b= koordinat center of peak dari fungsi Gaussian c= standar deviasi. Dalam penggunaannya perlu dilakukan penyesuaian pada nilai c untuk menentukan lebar jarak dari hasil Gaussian Cropping agar sesuai dengan lebar tulang belakang sehingga bagian tulang belakang bukan menjadi bagian yang tergradasi. Gambar 3. Inisialisasi Gaussian cropping. Contoh penggunaan Gaussian ditunjukan pada Gambar2 – 4:

cropping

Gambar 4. Hasil Gaussian cropping. Gambar 2. Citra awal.

Dari Gambar 4 terlihat gradasi warna berbentuk garis vertikal sesuai dengan panjang garis inisialisasi pada Gambar 3. Variabel c pada rumus fungsi gaussian menentukan lebar dari bagian berwarna putih.

Samuel Sugianto, Susijanto Tri Rasmana, Madha Christian Wibowo, Sandy Wirakusuma JCONES Vol. 2, No. 1 (2013) Hal: 11

Semakin keluar dari bidang putih maka warna piksel pada citra akan semakin hitam. Hal ini disebabkan oleh nilai faktor gaussian yang bernilai 1 jika piksel tersebut berada pada kurva puncak, sehingga nilai piksel tetap bernilai sama ketika dikalikan dengan nilai faktor gaussian. berbeda jika posisi piksel berada menjauhi puncak kurva, nilai faktor gaussian akan bernilai semakin mendekati 0 jika semakin jauh dari titik puncak kurva Gaussian sehingga ketika dikalikan dengan nilai piksel maka akan menyebabkan nilai piksel yang baru lebih kecil dari nilai awal atau dengan kata lain warna piksel menjadi semakin mendekati warna hitam.

c

b a

Gambar 7. Nilai variabel c=20

Gambar 5. Kurva Fungsi Gaussian Parameter c merupakan parameter yang diubah untuk disesuaikan dengan lebar dari bentuk tulang belakang. Efek dari variabel c pada rumus fungsi Gaussian ditunjukan pada Gambar 6 – 8:

Gambar 8. Nilai variabel c=30

Gambar 6. Nilai variabel c=5

Hasil citra pada Gambar 6 – 8menunjukkan bila semakin menjauh dari garis inisialisasi, semakin kecil nilai pengali pada piksel citra. Bila nilai piksel mendapat faktor pengali yang kecil, warna piksel akan menjadi hitam. Nilai variabel

Samuel Sugianto, Susijanto Tri Rasmana, Madha Christian Wibowo, Sandy Wirakusuma JCONES Vol. 2, No. 1 (2013) Hal: 12

c yang besar akan membuat daerah yang disisakan menjadi besar.

5. GVF Snake a.

GVF Field Medan Gradient Vector Flow (GVF) yang mendefinisikan vektor gaya pada medan GVF didapatkan dengan rumus : 𝜀 = 𝜇 𝑢𝑥2 + 𝑢𝑦2 + 𝑣𝑥2 + 𝑣𝑦2 + ∇𝑓 2 v − ∇𝑓2𝑑𝑥𝑑𝑦.................................................(3) b.

Energi Internal Energi internal yang mengatur sifat dari partikel-partikel snake didapatkan dengan rumus : 𝐹𝑖𝑛𝑡 = 𝛼𝑥 ′′ 𝑠 − 𝛽𝑥 ′′′′ 𝑠 ..................(4) Keterangan: 𝛼 = variabel yang mengatur elastisitas partikel snake. 𝛽 = variabel yang mengatur kekakuan partikel snake.

II.

HASIL DAN PEMBAHASAN 1. Hasil Pengujian Modified Tophat Filter Pengujian dilakukan untuk mengekstrak egde map dari citra x-ray tulang belakang untuk memberikan citra tulang belakang yang jelas dan mengurangi noise pada sekitar objek tulang belakang. Hasil Pengujian modTH dilakukan menggunakan parameter disk=5, dan attenuation factor =11 ditunjukan pada Gambar 9.

Gambar 9. Hasil Modified Tophat Filter.

2. Hasil Pengujian Cropping

Gaussian

Pengujian dilakukan untuk menghilangkan noise yang ada di sekitar tulang belakang untuk memberikan ruang tanpa halangan bagi GVF Snake. Hasil pengujian Gaussian cropping dengan menggunakan parameter jarak =10 ditunjukan seperti pada Gambar 10.

Samuel Sugianto, Susijanto Tri Rasmana, Madha Christian Wibowo, Sandy Wirakusuma JCONES Vol. 2, No. 1 (2013) Hal: 13

(a)

(b)

Gambar 11. Hasil pengujian GVF Snake (a) tanpa Gaussian cropping.(b) dengan Gaussian cropping.

III. Gambar 10. Hasil Gaussian cropping.

3.

Hasil Pengujian GVF Dengan dan Tanpa Gaussian cropping.

Perbandingan pengujian hasil GVF Snake yang dilakukan dengan memakai parameter alpha 0.9, beta 0.2, dan gamma 0.2 dengan dan tanpa Gaussian cropping seperti ditunjukan pada Gambar 11. Dari Gambar 11 a dan b dapat diketahui efek Gaussian cropping terhadap peforma GVF Snake dalam menuju tepi dari tulang belakang. Pada sampel yang tidak memakai Gaussian cropping, noise yang ada di sekitar tulang belakang tersebut menjadi penghalang pada GVF Snake untuk menuju tepi citra tulang belakang. Sedangkan pada sampel yang memakai Gaussian cropping, tidak ada noise di sekeliling tulang belakang sehingga memberikan ruang yang bebas bagi GVF Snake untuk menuju tepi dari tulang belakang.

KESIMPULAN

Perbaikan kualitas citra sinar x tulang belakang yang dilakukan dengan menambahkanGaussian croppingdapat memberikan hasil yang lebih baik untukproses segmentasi tulang belakang dengan menggunakan GVF Snake.Namun, inisialisasi garis koordinat yang akan digunakan untuk Gaussian cropping masih harus dilakukan secara manual. Selain itu, lebar standar deviasi untuk fungsi Gaussian yang digunakan harus menyesuaikan dengan resolusi piksel citra sinar x tulang belakang yang digunakan.

DAFTAR PUSTAKA David K. Wolpert. 2006. Scoliosis Surgery: The Definitive Patient's Reference. Swordfish Communications. Jalba, A.C. dkk. 2004. CPM: A Deformable Model for Shape Recovery and Segmentation Based on Charger Particles. IEEE Transactions on Pattern

Samuel Sugianto, Susijanto Tri Rasmana, Madha Christian Wibowo, Sandy Wirakusuma JCONES Vol. 2, No. 1 (2013) Hal: 14

Analysis and Machine Intelligence vol. 26, no. 10. Kass, M. dkk. 1988. Snakes : Active Contour Models. International Journal of Computer Vision, 321-331(1998). Li, B. Dan Acton, C.S. 2007. Active Countour External Force Using Vector Field Convolution for Image Segmentation. IEEE Transactions on Image Processing vol. 16, no. 8. Sardjono, T.A. 2007. Spinal X-ray Image Analysis in Scoliosis. Sardjono, T.A. dkk. 2007. Spinal Curvature Determination from an X-Ray Image Using a Deformable Model. IFMBE Proceedings Vol. 15. Serra, J. 1988. Image Analysis and Mathematical Morphology, Volume 2: Theoretical Advances. Academic Press; 1st edition. Xu, C. dan Prince, J.L. 1998. Snakes, Shapes, and Gradient Vector Flow. IEEE Transactions on Image Processing vol. 2, no. 3.

Samuel Sugianto, Susijanto Tri Rasmana, Madha Christian Wibowo, Sandy Wirakusuma JCONES Vol. 2, No. 1 (2013) Hal: 15