Identifikasi Penyakit Periodontitis Kronis pada Citra Dental Panoramic dengan Algoritma Line Strength dan Line Tracking

(1)

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

(2)

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}

(3)

Latar Belakang



Pemeriksaan Penyakit Periodontitis Kronis

Klinis

Pengamatan secara kasat mata

Citra gigi

Pengolahan citra digital 3

(4)

Latar 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)

(5)

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 ?

(6)

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.

(7)

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 Existing

(8)

Kontribusi



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 Metode

(9)

Metodologi

9

Pengambilan Data

Desain Model Sistem

Pembuatan Perangkat Lunak dan Pengujian

Analisis Hasil

(10)

Desain Model Sistem

Melakukan sampling citra

Mendapatkan nilai Strength Melacak garis pada citra

Mendeteksi penyakit Periodontitis 10 Reduce, Gaussian Pyramid Level = 3 Reduce Reduce

(11)

Desain Model Sistem

Mendeteksi penyakit Periodontitis 11 Reduce Reduce Expand, Gaussian Pyramid Level = 3 Expand Expand

(12)

Desain Model Sistem

Mendapatkan nilai Strength

Melacak garis pada citra Mendeteksi penyakit

Periodontitis

Input

(13)

Ilustrasi Proses Line Strength

Inisialisasi Padding Array 1 m+1

.

. . (m x n)-1 m . m x n

m

n

Matrik Citra Asli

(Hasil Expand)

1 m+1

.

. . (m x n)-1 m . m x n

Pad

mw

Kernel

Geser/ Pergeseran

mbaru

nbaru

Current Piksel

.

(14)

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 n

mbaru

nbaru

1 m+1

.

. . (m x n)-1 m . _{m x n}

mbaru

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 n

Symetric

Both

1 m+1

.

. . (m x n)-1 m . m x n

m

n

(15)

Ilustrasi Proses Line Strength

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 n

mbaruR

nbaruR

(16)

Ilustrasi Proses Line Strength

16

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

(17)

Ilustrasi Proses Line Strength

17

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

(18)

Ilustrasi Proses Line Strength

18

Hitung IndexInPadIT Hitung IndexInPadIR Hitung f, b dan s Ambil s Max 1 m+1

.

. . (m x n)-1 m . m x n

mw

Menghitung Nilai F

1 m+1

.

. . (m x n)-1 m . m x n

mw

Menghitung Nilai B

(19)

Ilustrasi Proses Line Strength

19

Hitung IndexInPadIT Hitung IndexInPadIR Hitung f, b dan s Ambil s Max

s =

sMax 2 . . (m x n)-1 m x n

12

1 2 . . (m x n)-1 sMax 1 sMax . . (m x n)-1 m x n

θ1

θ11

θ12

S = F - B

m

x

n

1 2 sMax . sMax m x n

θ2

1 2 . . (m x n)-1 m x n

θ3

1 2 . sMax (m x n)-1 m x n

θ4

(20)

Ilustrasi Proses Line Strength

20

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 n

m

n

Matrik s Max

Reshape Matrik s Max

(21)

Desain Model Sistem

Mendapatkan nilai Strength

Melacak garis pada citra

Mendeteksi penyakit Periodontitis

21

Output Proses Line Strength

(22)

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 n

m

n

Piksel Tracking Baru

(23)

Ilustrasi Proses Line Tracking

23 1 2 . .

.

. . (m x n)-1 m x n

m

x

n

1

VL1 VL2 . .

.

. . VL(m x n)-1 VL(m x n)

0

0 VL1 VL2 . .

.

180

0 VL1 VL2 . .

.

90

0 VL1 VL2 . .

.

270

0 VL1 VL2 . .

.

. . VL(m x n)-1 VL(m x n) VL1 VL2 . .

.

225

0 VL1 VL2 . .

.

. . VL(m x n)-1 VL(m x n) VL1 VL2 . .

.

135

0

Pilih Piksel Awal

Hitung nilai VL

Ambil VL Max Update Cw,

8

45

0

₃₁₅

₀

m

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)

(24)

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? VLMax VLMax VLMax VLMax VLMax VLMax VLMax VLMax VLMax

Ilustrasi Proses Line Tracking

24 1 2 . .

.

. . (m x n)-1 m x n

m

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 45 135 270

sudut

Pilih Piksel Awal

Hitung nilai VL

Ambil VL Max > Tc

Update Cw,

m

x

n

VLMax > Tc VLMax < Tc VLMax > Tc

kolom

1

VLMax VLMax VLMax VLMax VLMax VLMax

≤ m x n

1

Piksel yang dihapus

(25)

Ilustrasi Proses Line Tracking

25 1 2 . .

.

. . (m x n)-1 m x n

m

x

n

1

Pilih Piksel Awal

Hitung nilai VL Ambil VL Max > T Update Cw

m

x

n

Update Matrik Cw

1 2 . .

.

. . (m x n)-1 m x n

1

+1 +0 +1 +1 +1 +1 +0 +0 +1

(26)

Ilustrasi Proses Line Tracking

26

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 n

1 Cek nilai (x,y) :

Jika Cw(x,y) >= byk W

Cw(x,y) =1;

Jika Cw(x,y) < byk W

Cw(x,y) =0;

(27)

Ilustrasi Proses Line Tracking

27

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 n

1

1 m+1

.

. . (m x n)-1 m . _{m x n}

m

n

(28)

Ilustrasi Proses Line Tracking

Hitung nilai VL Ambil VL Max > T

Update Cw

Map Quantization

Output Line Tracking sebelum Multiscale

(29)

Metodologi (Cont.)

Mendeteksi penyakit Periodontitis

( Hasil Line Tracking )

 Jika (bone value ≤ threshold) maka

diagnosanya ”Periodontitis Kronis”.

 Jika (bone value > threshold) maka

diagnosanya ”Normal”.

(30)

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

(31)

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°

(32)

Hasil Uji Coba Parameter MW

32

mw = 3

mw = 5

mw = 7

mw = 9

mw = 11

mw = 5 (Terpilih) :

(33)

Hasil Uji Coba Parameter Tc

33

Tc = 5

Tc = 25

Tc = 30

Tc = 50

Tc = 70

Tc = 5 (Terpilih) :

(34)

Hasil Uji Coba Parameter Diameter

34

Twlow = 3 Twhigh = 11

Twlow = 3 Twhigh = 31

Twlow = 3 Twhigh = 71

Twlow = 3 Twhigh = 101

(35)

Hasil Uji Coba Sudut Orientasi

35 0 < θ < 90 90< θ < 180 45< θ < 135 0 ≤ θ < 180 135< θ <225 Citra Asli

(36)

Perbandingan Citra Hasil

36

Citra Line Strength Biner

Citra Line Tracking

(a) (b) (c) (a) (b) (c)

(37)

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 %

+

(38)

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

(39)

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) :

(40)

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) :

(41)

No

Orientasi Sudut

Akurasi (%)

Sensitivity (%) Spesificity (%)

1 0 < θ < 90

100

0

2 0 < θ < 90

dan

90< θ < 180

100

0

3 45< θ < 135

100

0

4 90< θ < 180

100

0

5 135<θ <225

100

0

6 0 ≤ θ < 180

100

0 Hasil Uji Coba

Line Strength (c) :

(42)

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) :

(43)

No

Orientasi Sudut

Akurasi (%)

Sensitivity (%) Spesificity (%)

1 0 < θ < 90

80

0

2 0 < θ < 90

dan

90 < θ < 180

80

0

3 45 < θ < 135

100

0

4 90 < θ < 180

80

0

5 135 < θ < 225

100

0

6 0 ≤ θ < 180

100

0 Hasil Uji Coba

Line Tracking (c) :

(44)

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

(45)

Interface Program

(46)