Identifikasi Penyakit Periodontitis Kronis
pada Citra Dental Panoramic dengan
Algoritma Line Strength dan Line Tracking
Dosen Pembimbing :
Dr. H. Agus Zainal Arifin, S.Kom., M.Kom.
Anny Yuniarti, S.Kom., M.Comp.Sc.
Imam Cholissodin
5109.201.031
Latar Belakang
Dental panoramic sering diambil untuk keperluan
diagnosa oleh dokter gigi (H. Devlin dkk, 2007).
Periodontitis kronis (Carranza dkk, 2006)
Diagnosa penyakit rongga mulut, gigi, osteoporosis dan jantung.
Infeksi pada jaringan
di bagian akar gigi Adanya kerusakan tulang horizontal
Latar Belakang
Pemeriksaan Penyakit Periodontitis Kronis
Klinis
Pengamatan secara kasat mataCitra gigi
Pengolahan citra digital 3Latar Belakang (Cont.)
Penelitian sebelumnya :
Deteksi serat-serat asbes. (R.N. Dixon dan C.J. Taylor, 1979)
Deteksi struktur tumor pada mammographic.
(R. Zwiggelaar dkk, 2004).
Deteksi struktur pembuluh darah pada citra retina.
(Vlachos M dan Dermatas E, 2010)
Deteksi garis berdasarkan arah sudut tertentu (Algoritma Line Strength)
Deteksi garis berdasarkan diameter tertentu (Algoritma Line Tracking)
Rumusan Masalah
Bagaimana mengukur linear structure pada citra
dental panoramic radiographs ?
Bagaimana melakukan pendeteksian penyakit
periodontitis kronis pada citra dental panoramic
radiographs berdasarkan Analisis line strength dan
line tracking ?
Tujuan dan Manfaat
Tujuan :
Membangun sistem computer-aided yang mampu
mengukur linear structure dan melakukan
pendeteksian penyakit periodontitis kronis.
Manfaat :
Memberikan solusi metode pendeteksian penyakit
periodontitis kronis secara otomatis.
Kontribusi
Mengintegrasikan proses multiscale line tracking
untuk menajamkan batas garis dan memperjelas
piksel di dalam diameter garis pada hasil citra line
strength.
7 Line Strength SLevel 1 SLevel 2 SLevel n Max Level Fungsi Maksimum Citra Biner ExistingKontribusi
Mengintegrasikan proses multiscale line tracking
untuk menajamkan batas garis dan memperjelas
piksel di dalam diameter garis pada hasil citra line
strength.
8 Line Strength SLevel 1 SLevel 2 SLevel n Line Tracking Fungsi Multiscale TLevel 1 TLevel 2 TLevel n Integrasi MetodeMetodologi
9
Pengambilan Data
Desain Model Sistem
Pembuatan Perangkat Lunak dan Pengujian
Analisis Hasil
Desain Model Sistem
Melakukan sampling citra
Mendapatkan nilai Strength Melacak garis pada citra
Mendeteksi penyakit Periodontitis 10 Reduce, Gaussian Pyramid Level = 3 Reduce Reduce
Desain Model Sistem
Melakukan sampling citra
Mendapatkan nilai Strength Melacak garis pada citra
Mendeteksi penyakit Periodontitis 11 Reduce Reduce Expand, Gaussian Pyramid Level = 3 Expand Expand
Desain Model Sistem
Melakukan sampling citra
Mendapatkan nilai Strength
Melacak garis pada citra Mendeteksi penyakit
Periodontitis
Input
Ilustrasi Proses Line Strength
Inisialisasi Padding Array 1 m+1.
. . (m x n)-1 m . m x nm
n
Matrik Citra Asli
(Hasil Expand)
1 m+1.
. . (m x n)-1 m . m x nPad
mw
Kernel
Geser/ Pergeseran
mbaru
nbaru
Current Piksel
.Ilustrasi Proses Line Strength
Padding Array
Rotasi Padding Array
Pad
mw
Kernel
Geser/ Pergeseran
Current Piksel
1 m+1.
. . (m x n)-1 m . m x nmbaru
nbaru
1 m+1.
. . (m x n)-1 m . m x nmbaru
nbaru
Current Piksel pada Citra Asli
1 . m 1 m+1
.
. (m x n)-1 m x n m . m x n 1 m+1.
1 . m m . m x n . (m x n)-1 m x n 1 1 1 1 m m m m.
.
.
.
m x n m x n m x n m x nSymetric
Both
1 m+1.
. . (m x n)-1 m . m x nm
n
Ilustrasi Proses Line Strength
Rotasi Padding Array
Hitung IndexInPadIT Hitung IndexInPadIR Hitung f, b dan s Ambil s Max 15 1 m+1
.
. . (m x n)-1 m . m x n 1 m+1.
. . (m x n)-1 m . m x n 1 . m 1 m+1.
. (m x n)-1 m x n m . m x n 1 m+1.
1 . m m . m x n . (m x n)-1 m x n 1 1 1 1 m m m m.
.
.
.
m x n m x n m x n m x nmbaruR
nbaruR
Ilustrasi Proses Line Strength
16
Rotasi Padding Array
Hitung IndexInPadIT
Hitung IndexInPadIR Hitung f, b dan s
Ambil s Max
titik pusat a(x1,y1)
dari PadI
titik pusat b(x2,y2)
dari PadIR
Ilustrasi Proses Line Strength
17
Rotasi Padding Array
Hitung IndexInPadIT
Hitung IndexInPadIR
Hitung f, b dan s
Ambil s Max
titik pusat a(x1,y1)
dari PadI
titik pusat b(x2,y2)
dari PadIR
Ilustrasi Proses Line Strength
18
Rotasi Padding Array
Hitung IndexInPadIT Hitung IndexInPadIR Hitung f, b dan s Ambil s Max 1 m+1
.
. . (m x n)-1 m . m x nmw
mw
Menghitung Nilai F
1 m+1.
. . (m x n)-1 m . m x nmw
mw
Menghitung Nilai B
Ilustrasi Proses Line Strength
19
Rotasi Padding Array
Hitung IndexInPadIT Hitung IndexInPadIR Hitung f, b dan s Ambil s Max
s =
sMax 2 . . (m x n)-1 m x n12
1 2 . . (m x n)-1 sMax 1 sMax . . (m x n)-1 m x nθ1
θ11
θ12
S = F - B
m
x
n
1 2 sMax . sMax m x nθ2
1 2 . . (m x n)-1 m x nθ3
1 2 . sMax (m x n)-1 m x nθ4
Ilustrasi Proses Line Strength
20
Rotasi Padding Array
Hitung IndexInPadIT Hitung IndexInPadIR Hitung f, b dan s Ambil s Max s Max = sMax sMax sMax sMax sMax sMax
1
m
x
n
1 m+1.
. . (m x n)-1 m . m x nm
n
Matrik s Max
Reshape Matrik s Max
Desain Model Sistem
Melakukan sampling citra
Mendapatkan nilai Strength
Melacak garis pada citra
Mendeteksi penyakit Periodontitis
21
Output Proses Line Strength
Ilustrasi Proses Line Tracking
22
Pilih Piksel Awal
Hitung nilai VL Ambil VL Max Update Cw,
Tentukan Piksel Baru
1 m+1
.
. . (m x n)-1 m . m x nm
n
Piksel Tracking BaruIlustrasi Proses Line Tracking
23 1 2 . ..
. . (m x n)-1 m x nm
x
n
1
VL1 VL2 . ..
. . VL(m x n)-1 VL(m x n)0
0 VL1 VL2 . ..
. . VL(m x n)-1 VL(m x n)180
0 VL1 VL2 . ..
. . VL(m x n)-1 VL(m x n)90
0 VL1 VL2 . ..
. . VL(m x n)-1 VL(m x n)270
0 VL1 VL2 . ..
. . VL(m x n)-1 VL(m x n) VL1 VL2 . ..
. . VL(m x n)-1 VL(m x n)225
0 VL1 VL2 . ..
. . VL(m x n)-1 VL(m x n) VL1 VL2 . ..
. . VL(m x n)-1 VL(m x n)135
0Pilih Piksel Awal
Hitung nilai VL
Ambil VL Max Update Cw,
Tentukan Piksel Baru
8
45
0315
0m
x
n
Piksel Tracking Baru Hitung nilai VL Ambil VL Max VL1 VL2 . . VLMax . . VL(m x n)-1 VL(m x n) VLMax VL2 . .
.
. . VL(m x n)-1 VL(m x n) VL1 VL2 . VLMax.
. . VL(m x n)-1 VL(m x n) VL1 VLMax . ..
. . VL(m x n)-1 VLMax VL1 VL2 . ..
. VLMax VL(m x n)-1 VL(m x n) VL1 VL2 . ..
VLMax . VL(m x n)-1 VL(m x n) VL1 VL2 VLMax ..
. . VL(m x n)-1 VL(m x n) VL1 VL2 . ..
. . VLMax VL(m x n)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? VLMax VLMax VLMax VLMax VLMax VLMax VLMax VLMax VLMax
Ilustrasi Proses Line Tracking
24 1 2 . .
.
. . (m x n)-1 m x nm
x
n
1
VLMax > Tc VLMax > Tc VLMax > Tc VLMax < Tc VLMax < Tc VLMax > Tc 2 4 7 3 1 6 5 8 4 180 270 315 90 0 225 45 135 270sudut
Pilih Piksel Awal
Hitung nilai VL
Ambil VL Max > Tc
Update Cw,
Tentukan Piksel Baru
m
x
n
VLMax > Tc VLMax < Tc VLMax > Tckolom
1
VLMax VLMax VLMax VLMax VLMax VLMax≤ m x n
1
Piksel Tracking BaruPiksel yang dihapus
Ilustrasi Proses Line Tracking
25 1 2 . ..
. . (m x n)-1 m x nm
x
n
1
Pilih Piksel AwalHitung nilai VL Ambil VL Max > T Update Cw
m
x
n
Update Matrik Cw
1 2 . ..
. . (m x n)-1 m x n1
+1 +0 +1 +1 +1 +1 +0 +0 +1Ilustrasi Proses Line Tracking
26
Piksel Tracking Baru
Hitung nilai VL Ambil VL Max > T Update Cw Map Quantization
m
x
n
Final Line Tracking : Mapping Matrik Cw
1 2 . .
.
. . (m x n)-1 m x n1
Cek nilai (x,y) :
Jika Cw(x,y) >= byk W
Cw(x,y) =1;
Jika Cw(x,y) < byk W
Cw(x,y) =0;
Ilustrasi Proses Line Tracking
27
Piksel Tracking Baru
Hitung nilai VL Ambil VL Max > T Update Cw Map Quantization
m
x
n
Reshape Matrik Cw
1 2 . ..
. . (m x n)-1 m x n1
1 m+1.
. . (m x n)-1 m . m x nm
n
Ilustrasi Proses Line Tracking
Piksel Tracking Baru
Hitung nilai VL Ambil VL Max > T
Update Cw
Map Quantization
Output Line Tracking sebelum Multiscale
Metodologi (Cont.)
Melakukan sampling citra
Mendapatkan nilai Strength Melacak garis pada citra
Mendeteksi penyakit Periodontitis
( Hasil Line Tracking )
Jika (bone value ≤ threshold) maka
diagnosanya ”Periodontitis Kronis”.
Jika (bone value > threshold) maka
diagnosanya ”Normal”.
Lingkungan Uji Coba
30
Data Uji Coba
Hasil Kerjasama dengan Institute of Tropical Disease (ITD) UNAIR.
20 citra dental panoramic dengan identifikasi klinis.
Dataset (Untuk Perulangan Uji Coba Sudut Orientasi)
Implementasi dengan Matlab 2009a (Original Licence to
VIP Lab. ITS).
Uji Coba Dataset
(a) (b) (c) Training 20 10 15
Testing 0 10 5
Skenario Uji Coba
31
Parameter :
Mendapatkan hasil visualisasi citra terbaik.
Moving Window : (3, 5, 7, 9, 11)
Threshold (Tc)
: (5,25,30,50,70)
Diameter
: ([3,4,5,..,11], [3,4,5..,20], [3,4,5..,30])
Orientasi Sudut :
Mendapatkan Orientasi Sudut yang optimal.
0° < θ < 90°
90° < θ < 180° 0° < θ < 90° & 90° < θ < 180° 45° < θ < 135° 0° < θ < 180° 135° < θ < 225°Hasil Uji Coba Parameter MW
32
mw = 3
mw = 5
mw = 7
mw = 9
mw = 11
mw = 5 (Terpilih) :
Hasil Uji Coba Parameter Tc
33
Tc = 5
Tc = 25
Tc = 30
Tc = 50
Tc = 70
Tc = 5 (Terpilih) :
Hasil Uji Coba Parameter Diameter
34Twlow = 3 Twhigh = 11
Twlow = 3 Twhigh = 31
Twlow = 3 Twhigh = 71
Twlow = 3 Twhigh = 101
Hasil Uji Coba Sudut Orientasi
35 0 < θ < 90 90< θ < 180 45< θ < 135 0 ≤ θ < 180 135< θ <225 Citra AsliPerbandingan Citra Hasil
36
Citra Line Strength Biner
Citra Line Tracking
(a) (b) (c) (a) (b) (c)
Hasil Uji Coba
37
No ID Gambar Region Mean Ti Klinis R1 R2 R3 R4 9244.25 1 101117276 8193 8449 8850 8759 8562.75 O P 2 101212379 8973 9079 8996 9676 9181 O P 3 101117138 8002 8747 8645 9340 8683.5 O P 4 101118223 8842 9107 9486 9091 9131.5 O P 5 101118221 8592 8798 9009 7892 8572.75 O P 6 101213667 8703 8416 9202 8788 8777.25 O P 7 101214181 9118 8746 8468 9319 8912.75 O P 8 101210701 9270 8665 9400 9673 9252 N N 9 101116746 9280 8918 9278 9501 9244.25 O P 10 101214349 8880 8486 9500 9349 9053.75 O P 11 110110491 9151 9201 8923 9072 9086.75 O P 12 110110493 8757 9143 9087 8823 8952.5 O P 13 101212383 8611 8757 8737 8999 8776 O P 14 101212378 8681 8477 9088 8456 8675.5 O P 15 110111315 8990 8464 8638 8985 8769.25 O N 16 110111316 9414 8740 9088 9325 9141.75 O P 17 110111317 8224 8455 7780 8329 8197 O P 18 110111604 8616 8657 8505 8599 8594.25 O P 19 110111605 8566 8734 8809 8575 8671 O P 20 110112120 8881 8844 8350 9081 8789 O P
No ID Gambar Region Mean Ti Klinis R1 R2 R3 R4 9244.25
Hasil Identifikasi Terbaik Citra Line Tracking pada Sudut 45° < θ < 135° :
Program
Ti = 9244.25 Akurasi = 95.00% Sensitivity = 100 % Specificity = 50 %
+
Hasil Uji Coba
Line Strength (a) :
38
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%) Spesificity (%)
1
0 < θ < 90
90
100
0
2
0 < θ < 90
dan
90< θ < 180
95
100
50
3
45< θ < 135
90
100
0
4
90< θ < 180
90
100
0
5
135<θ <225
90
100
0
6
0 ≤ θ < 180
90
100
0
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%) Spesificity (%)
1
0 < θ < 90
90
100
0
2
0 < θ < 90
dan
90< θ < 180
90
100
0
3
45< θ < 135
95
100
50
4
90< θ < 180
90
100
0
5
135<θ <225
90
100
0
6
0 ≤ θ < 180
90
100
0
Hasil Uji Coba
Line Tracking (a) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%) Spesificity (%)
1
0 < θ < 90
70
77.78
0
2
0 < θ < 90
dan
90 < θ < 180
70
77.78
0
3
45 < θ < 135
90
100
0
4
90 < θ < 180
70
77.78
0
5
135 < θ < 225
90
100
0
6
0 ≤ θ < 180
70
77.78
0
Hasil Uji Coba
Line Tracking (b) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%) Spesificity (%)
1
0 < θ < 90
100
100
0
2
0 < θ < 90
dan
90< θ < 180
100
100
0
3
45< θ < 135
100
100
0
4
90< θ < 180
100
100
0
5
135<θ <225
100
100
0
6
0 ≤ θ < 180
100
100
0
Hasil Uji Coba
Line Strength (c) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%) Spesificity (%)
1
0 < θ < 90
90
100
0
2
0 < θ < 90
dan
90< θ < 180
90
100
0
3
45< θ < 135
90
100
0
4
90< θ < 180
90
100
0
5
135<θ <225
90
100
0
6
0 ≤ θ < 180
90
100
0
Hasil Uji Coba
Line Strength (b) :
No
Orientasi Sudut
Akurasi (%)
Sensitivity (%) Spesificity (%)
1
0 < θ < 90
80
80
0
2
0 < θ < 90
dan
90 < θ < 180
80
80
0
3
45 < θ < 135
100
100
0
4
90 < θ < 180
80
80
0
5
135 < θ < 225
100
100
0
6
0 ≤ θ < 180
100
100
0
Hasil Uji Coba
Line Tracking (c) :
Kesimpulan & Saran
Kesimpulan :
Penyakit periodontitis kronis dapat diidentifikasi dengan algoritma line
strength dan line tracking dengan nilai akurasi 95%, sensitivity 100% dan spesificity 50%.
Transformasi geometri pada algoritma line strength dan matrik pada algoritma
line strength dan line tracking dapat mengurangi waktu komputasi.
Hasil metode line tracking dapat merepresentasikan piksel-piksel dari setiap
level citra line strength yang berada di dalam diameter garis tertentu. Saran :
44
Melakukan preprosesing citra dental panoramic radiograph untuk
mengurangi efek pencahayaan yang kurang merata.
Dalam penentuan letak foramen dan cropping sampel di bagian kanan dan kiri
dapat dilakukan secara otomatis dari program.
Menambah jumlah data pengamatan, sehingga pada saat proses penentuan