Upload
others
View
17
Download
0
Embed Size (px)
Citation preview
IMPLEMENTASI ALGORITMA EKSTRAKSICENTERLINE BERBASIS KURVA PRINCIPAL:
STUDI KASUS SEGMEN PEMBULUH DARAH RETINA(Kata kunci: pembuluh darah retina, segmentasi, deteksi garis tepi, ekstraksi
centerline)
PRESENTASI TUGAS AKHIR – KI141502
Penyusun Tugas Akhir :
Friska Ajeng Rizki
(NRP : 5111.100.135)
Dosen Pembimbing :
Ahmad Saikhu, S.Si., M.T.
Rully Soelaiman, S.Kom., M.Kom.
07 Juni 2016 Tugas Akhir – KI141502 1
07 Juni 2016 2Tugas Akhir – KI141502
PendahuluanRancangan Algoritma
AGENDA
07 Juni 2016 3Tugas Akhir – KI141502
PendahuluanRancangan Algoritma
07 Juni 2016 4
Latar Belakang
Tugas Akhir – KI141502
EKSTRAKSI CENTERLINE
BERBASISKURVA PRINCIPAL
Ekstraksi Centerline merupakan metode untuk mendapatkan hasil citra biner dimana memiliki ketebalan sebesar satu piksel
• area• energy• standard deviation gradient• intensity variation• vessel segment• vascular segment width• vascular direction variation
Memahami konsep Hessian matrix dan komputasi eigenvalue, Frangi’s vesselness filter, mean filter, serta masking sebagai metode praproses.
Memahami konsep Bradley thresholding, morfologi opening area, dan morfologi close sebagai metode segmentasi.
Memahami konsep distance map, non-maxima suppression, classic ridge transversal, dan caliber estimation sebagai metode ekstraksi centerline.
Mengimplementasikan sistem yang dirancang pada pembuluh darah retina.
Menyusun uji coba citra pembuluh darah retina dengan menggunakan metode ekstraksi centerline berbasis kurva principal.
07 Juni 2016 5
Rumusan Masalah
Tugas Akhir – KI141502
07 Juni 2016
Implementasi menggunakan perangkat lunak MATLAB R2013a.
Data yang digunakan untuk uji segmentasi pembuluh darah adalah data citra retina dari basis data DRIVE. http://www.isi.uu.nl/Research/Databases/DRIVE/
Menggunakan nilai skala [1 10], nilai rasio skala sebesar dua, konstanta koreksi 𝛽 sebesar 0.5, dan c sebesar 15 pada Frangi’s vesselness filter.
Menggunakan window dengan ukuran 3 x 3 pada mean filter.
6
Batasan Masalah
Tugas Akhir – KI141502
07 Juni 2016
Menggunakan window dengan ukuran 5 x 5 pada Bradleythresholding.
Menggunakan nilai piksel sebesar 21 pada morfologi openingarea, dan nilai piksel sebesar dua dengan structuring element“square” berdimensi 2 x 2 pada morfologi close.
Menggunakan algoritma Euclidean distance transform padametode distance map “dist” dan algoritma Canny edgedetection diikuti dengan perhitungan distance menggunakanjarak garis singgung lingkaran pada metode distance map“mine”.
7
Batasan Masalah
Tugas Akhir – KI141502
Mengetahui penerapan konsep metode Frangi’s vesselness filter,mean filter, masking, thresholding, dan morfologi untuk melakukansegmentasi terhadap pembuluh darah retina.
Mengetahui penerapan ekstraksi centerline berbasis kurvaprincipal dari pembuluh darah retina.
Mengimplementasikan rancangan sistem yang dapatmelakukan segmentasi pembuluh darah retina dan ekstraksicenterline pembuluh darah retina berbasis kurva principal.
TUJUAN
MANFAAT Hasil ekstraksi centerline pembuluh darah retina kedepannya akan dapat digunakan untuk mengidentifikasijenis penyakit berdasarkan parameter pengukuran yang ditentukan.
07 Juni 2016 8
Tujuan dan Manfaat
Tugas Akhir – KI141502
07 Juni 2016 9
PendahuluanRancangan Algoritma
Tugas Akhir – KI141502
07 Juni 2016 10
PendahuluanRancangan Algoritma
Tugas Akhir – KI141502
07 Juni 2016 11
Pemindaian retina mata
Praproses dan segmentasi pembuluh darah retina
Rancangan Algoritma
Tugas Akhir – KI141502
1
2
Ekstraksi centerline pembuluh darah retina3
07 Juni 2016 12
Rancangan Algoritma
Tugas Akhir – KI141502
Citra awal
Ekstraksi CenterlinePraproses dan Segmentasi
Tahap Praproses
Hessian Matrix
dan Eigenvalue
Frangi Filter
Mean Filter
Masking
Bradley
Thresholding
Morfologi
Opening Area
Morfologi
Close
Tahap Segmentasi
Distance Map
Non Maxima
Suppression
Classic Ridge
Transversal
Caliber
Estimation
Citra hasil
ekstraksi
centerline
Praproses dan Segmentasi Pembuluh Darah Retina
Citra awal
Praproses dan Segmentasi
Tahap Praproses
Hessian Matrix
dan Eigenvalue
Frangi Filter
Mean Filter
Masking
Bradley
Thresholding
Morfologi
Opening Area
Morfologi
Close
Tahap Segmentasi
Citra hasil
segmentasi
07 Juni 2016 13Tugas Akhir – KI141502
Ekstraksi Centerline Pembuluh Darah Retina
Citra hasil
segmentasiCitra hasil
ekstraksi
centerline
Distance Map
Non Maxima
Suppression
Classic Ridge
Transversal
Caliber
Estimation
07 Juni 2016 Tugas Akhir – KI141502 14
07 Juni 2016 15
PendahuluanRancangan Algoritma
Tugas Akhir – KI141502
07 Juni 2016 16
PendahuluanRancangan Algoritma
Tugas Akhir – KI141502
07 Juni 2016 17
Uji Coba
Tugas Akhir – KI141502
1
Perbandingan hasil akurasi ekstraksi centerlinemenggunakan metode distance map “mine” dengan “dist”.
3
Uji coba kebenaran citra hasil segmentasi biner
Uji coba batas ambang metode Bradleythresholding
Uji coba waktu eksekusi perangkat lunak
2
4
07 Juni 2016 18
Uji Coba
Tugas Akhir – KI141502
40 buah citra retina dari basis data DRIVE, berupa citra retina dalam ruang warna RGB, citra ground truth, dan citra thinning dari ground truth.
40 buah citra retina hasil segmentasi biner dan ekstraksi centreline dari hasil proses aplikasi.
Citra retina pada uji coba berukuran 565 x 584 piksel.
Untuk uji kebenaran citra dilakukan dengan evaluasi nilai errormenggunakan confusion matrix berikut.
PrediksiKenyataan
Segmen vaskular Latar belakang
Segmen vaskular TP FP
Latar belakang FN TN
TP: true positive FN: false negative
FP: false positive TN: true negative
07 Juni 2016 19
Skenario 1
Tugas Akhir – KI141502
Menggunakan 4 buah citra ground truth DRIVE dengan citra hasil Bradley thresholding bernilai T sebesar 25, 50, dan 100.
Menggunakan nilai skala [1 10], nilai rasio skala sebesar dua, konstanta koreksi 𝛽 sebesar 0.5, dan c sebesar 15 pada Frangi filter.
Menggunakan window 3 x 3 pada mean filter dan window 5 x 5 pada Bradley thresholding.
Evaluasi uji kebenaran dilakukan dengan menghitung nilai error.
Nilai perbandingan rata-rata akurasi berdasarkan nilai thresholdpada Bradley thresholding adalah sebagai berikut.
𝑒𝑟𝑟𝑜𝑟 =𝐹𝑃 + 𝐹𝑁
𝑇𝑃 + 𝐹𝑃 + 𝐹𝑁 + 𝑇𝑁
Nilai Threshold 25 50 100Nilai Akurasi 90.032% 88.535% 87.325%
07 Juni 2016 20
Skenario 2
Menggunakan 40 buah citra ground truth DRIVE dengan citra hasil segmentasi biner.
Menggunakan nilai skala [1 10], nilai rasio skala sebesar dua, konstanta koreksi 𝛽 sebesar 0.5, dan c sebesar 15 pada Frangi filter.
Menggunakan window 3 x 3 pada mean filter, nilai kecerahan T = 25% dan window 5 x 5 pada Bradley thresholding, nilai piksel sebesar 21 pada morfologi opening area, serta nilai piksel sebesar dua dengan structuring element square berdimensi 2 x 2.
Evaluasi uji kebenaran dilakukan dengan menghitung nilai error.
Nilai rata-rata error untuk 40 citra berdasarkan citra ground truth adalah 6.46% atau rata-rata akurasi kebenaran segmentasi sebesar 93.54%.
Tugas Akhir – KI141502
07 Juni 2016 21
Skenario 3
Menggunakan 40 buah citra thinning ground truth DRIVE dengan citra hasil ekstraksi centerline dengan metode distance map “mine” dan “dist”.
Distance map “mine” menggunakan algoritma Canny edge detection yang diikuti dengan perhitungan distance menggunakan jarak garis singgung lingkaran.
Distance map “dist” menggunakan metode Euclidean distance transform.
Evaluasi uji kebenaran dilakukan dengan menghitung nilai error.
Nilai perbandingan rata-rata akurasi dari ekstraksi centerline adalah sebagai berikut.
Tipe Distance Map Mine DistNilai Akurasi 97.080% 97.081%
Tugas Akhir – KI141502
07 Juni 2016 22
Skenario 4
Menggunakan enam buah citra dari DRIVE, yakni citra retina 03_test.tif, 10_test.tif, 15_test.tif, 26_training.tif, 29_training.tif, dan40_training.tif.
Menggunakan metode distance map “dist” pada ekstraksi centerline.
Dari enam data uji coba, dihasilkan waktu eksekusi sebagai berikut.
Citra Retina (*.tif)
Proses (detik)
Deteksi PraprosesSegmentasi
BinerEkstraksi Centerline
Total
03_test 2.02 32.851 0.97 296.038 331.87910_test 1.809 31.379 2.492 302.484 338.16415_test 1.798 43.361 3.056 424.483 472.698
26_training 3.524 36.166 1.484 302.326 343.529_training 1.727 32.155 2.27 336.571 372.72340_training 1.347 29.422 3.144 308.855 342.768
Rata - Rata 2.037 34.222 2.236 328.459 366.955
Tugas Akhir – KI141502
07 Juni 2016 23
PendahuluanRancangan Algoritma
Tugas Akhir – KI141502
07 Juni 2016 24
PendahuluanRancangan Algoritma
Tugas Akhir – KI141502
Metode praproses dan segmentasi yang digunakan memiliki alur
proses yang benar. Terbukti dengan akurasi sebesar 93.54%.
Distance map “dist” dapat menghasilkan ekstraksi centerline terbaik, yakni menggunakan fungsi Euclidean Distance Transform.
Non Maxima Suppression, Classic Ridge Transversal, dan Laplacian of Gaussian dapat digunakan sebagai metode ekstraksi centerline berbasis kurva principal yang baik. Terbukti dengan
akurasi sebesar 97.08%.
Waktu pengujian rata-rata dari proses segmentasi biner danekstraksi centerline pada citra berukuran 565 x 584 piksel adalah366.955 detik atau 6.116 menit.
07 Juni 2016 25
Kesimpulan
Tugas Akhir – KI141502
Perbaikan terhadap segmentasi biner agar dapat menghasilkan akurasi yang lebih baik.
Perbandingan metode ekstraksi centerline pada aplikasi terhadapmetode principal curve analysis dan principal curve tracingsehingga dapat diketahui metode yang memiliki hasil paling akurat.
07 Juni 2016 26
Saran
Tugas Akhir – KI141502
TERIMA
KASIH
07 Juni 2016 Tugas Akhir – KI141502 27