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