Pendeteksian Optik Disk dengan
Operasi Morfologi Closing menggunakan
Fungsi
Meshgrid
pada Citra Retina
Erwin
Jurusan Sistem KomputerUniversitas Sriwijaya Palembang, Indonesia erwin@unsri.ac.id
Indah K. Larasati
Jurusan Sistem Komputer Universitas Sriwijaya Palembang, Indonesia Indah.larasati1997@gmail.com
Kms. M. Shofuan Khoiri
Jurusan Sistem KomputerUniversitas Sriwijaya Palembang, Indonesia shofuone@gmail.com
Dwi Sinta
Jurusan Sistem KomputerUniversitas Sriwijaya Palembang, Indonesia dwiisinta5@gmail.com
Abstrak— Retinopati diabetik merupakan suatu penyakit yang dapat merusak jaringan pembuluh darah pada bagian retina mata. Jika tidak ditanggulangi penyakit ini dapat memicu kebutaan. Oleh karena itu deteksi dini terhadap penyakit retinopati diabetic ini sangatlah penting. Kerusakan tersebut bisa diamati secara manual melalui gambar fundus retina oleh dokter ahli mata (opthalmologist). Namun saat ini karena jumlah pasien penderita penyakit diabetes ini lebih banyak dari jumlah dokter ahli maka hal ini dapatlah menyulitkan dokter tersebut sehingga dibutuhkanlah suatu sistem otomatis yang dapat membantu seorang dokter dalam mendiagnosa penyakit ini. Terdapat beberapa bagian retina yang harus diamati untuk mendiagnosa apakah seseorang terserang retinopati diabetic atau tidak, salah satu nya ialah disk optic sehingga keberadaannya perlu dideteksi. Untuk mengatasi masalah tersebut dalam paper ini diusulkan suatu metode morfologi closing dengan fungsi meshgrid untuk mendeteksi disk optic sehingga dapat memberikan informasi penting yang dibutuhkan dengan tingkat akurasi sebesar 90% dengan menggunakan dataset STARE sebagai langkah untuk mendiagnosa penyakit diabetik retinopati agar tindakan penyembuhan dapat segera dilakukan.
Kata Kunci :—diabetik retinopati (DR), optik disk (OD), morfologi closing, meshgrid, deteksi
I. LATAR BELAKANG
Saat ini telah banyak muncul berbagai macam penyakit mata yang dapat mempengaruhi indera penglihatan manusia seperti diabetik retinopati. Ketika diabetik retinopati telah menyerang retina, salah satu cirinya dapat diketahui melalui optik disk. Deteksi optik disk (OD) adalah langkah sangat
penting untuk analisis citra retina dalam diagnosis sebagai satu dari fitur utama mengekstraksi struktur anatomi retina [1] Deteksi kelainan disk optik telah dilakukan melalui pendeteksian lesi seperti hemorrhaeges ke rasio disk. Dengan demikian metode ini menghasilkan gambar yang kompleks dan tidak fleksibel, analisis algoritma membatasi penerapannya pada set gambar diperoleh baik dalam studi epidemiologi atau dalam skrining untuk retina atau penyakit saraf optik.[2] Karena jumlah penderita penyakit ini yang terus meningkat dan dibutuhan pemantauan secara berkala terhadap retina mata pasien maka timbulah keterbatasan jumlah dokter spesialis dalam menangani penyakit ini. Hal inilah yang memotivasi para peneliti dibidang pengolahan citra untuk mendeteksi penyakit ini secara otomatis. Beragam metode telah banyak dikembangkan untuk mendeteksi penyakit ini, sebagai contoh ada yang melakuan peningkatan kontras [3], menghilangkan pencahayaan yang tidak merata [4] dan melakukan thresholding pada citra sehingga kondisi retina dapat dengan mudah dibedakan [5] melalui gambar fundus retina [6], ada pula yang mendeteksi lewat cakram optic [7] sehingga gambar retina dapat dicirikan secara akurat [8] selain itu juga ada pula yang mendeteksi wilayah fovea pada gambar fundus berdasarkan struktur bagian retina tersebut [9], untuk mengekstraksi fitur pada bagian retina dapat pula digunakan metode CNN [2] dan dikembangkan agar mendapatkan hasil yang lebih baik [10] dari metode sebelumnya.
Karena telah banyak metode yang digunakanan untuk mendeteksi penyakit yang menyerang retina ini, maka metode yang akan di ajukan pada penelitian
ini diharapkan dapat membantu dalam menghasilkan informasi pendeteksian penyakit diabetes retinopati melalui deteksi optik disk dengan metode morfologi closing yang menggunakan fungsi meshgrid.
II. PENELITIAN TERKAIT
Beberapa penelitian sudah dilakukan sebelumnya, baik secara khusus membahas optic disk maupun membahas optic disk sebagai bagian dari diagnosa penyakit mata. Beberapa di antaranya disebutkan dalam review berikut :
Javad Rahebi dan Fırat Hardalac [9] dalam penelitiannya menggunakan algoritma firefly untuk mengidentifikasi lokasi dari disk optik dalam gambar retina manusia, Metode disc lokalisasi optik yang diusulkan mencapai tingkat keberhasilan 95% dalam dataset STARE.
Dalam penelitian Hanan S. Alghamdi, dkk [2] Mendeteksi kelainan OD telah dilakukan melalui deteksi lesi seperti hemorrhaeges atau melalui gelas ukur untuk rasio disc dalam penelitiannya disc optik (OD) merupakan struktur kunci dalam gambar retina. Ini berfungsi sebagai indikator untuk mendeteksi berbagai penyakit seperti glaukoma dan perubahan terkait dengan pembentukan pembuluh darah baru pada OD di retinopati diabetik (DR) atau oklusi vena retina.
Pada penelitian lebih lanjut menggunakan metode yang diusulkan ialah operator circle [11] dalam hasil percobaan terlihat bahwa disk optik terdeteksi secara akurat meskipun ada tingkat kebisingan, lesi retina dan artefak pencitraan. dalam penelitian ini Metode baru diusulkan untuk mendeteksi diskus optik secara otomatis dan benar dalam gambar fundus warna, metode yang diusulkan memberikan hasil yang efektif yang mencapai tingkat keakurasian 81.48%.
III. METODE YANG DIAJUKAN
Pada Jurnal ini menggunakan metode operasi morfologi closing dengan fungsi meshgrid dimana operasi morfologi merupakan suatu proses yang bertujuan untuk mengubah bentuk objek citra sebelumnya baik citra grayscale maupun citra biner.
Pada operasi morfologi tersebut terbagi menjadi beberapa bagian salah satuya ialah operasi morfologi closing dimana operasi closing tersebut merupakan penggabungan antara proses erosi dan dilasi. Pada operasi closing, citra akan melalui proses erosi terlebih dahulu sebelum melalui proses dilasi. Sehingga prosesnya dapat dinotasikan pada persamaan (1) berikut.
B
B
A
B
A
(
)
(1)Pada operasi morfologi closing tersebut akan menghaluskan dan menghilangkan kontur gelap pada
gambar fundus retina yang digunakan sehingga tekstur pembuluh retina dapat dhilangkan. Setelah pembuluh retina berupa kontur gelap dihilangkan maka tekstur disk optic pada retina dapat dengan mudah ditemukan melalui fungsi meshgrid. Dalam fungsi meshgrid tersebut akan mencari nilai maksimum dari kolom citra yang digunakan sehingga koordinat baris dan kolom pada titik terang citra dapat ditentukan setelah itu dibuatlah suatu matrik berupa lingkaran sebagai indicator dalam pendeteksian tekstur disk optic tersebut.
IV. ALUR KERJA PROSES
Tahap pertama yang dilakukan dalam mendeteksi disk optic ini yaitu dengan memasukan gambar fundus retina yang telah didapat dari dataset STARE ke dalam sistem yang telah dibuat. Kemudian citra yang telah dimasukan ke sistem tadi di-resize dan diubah menjadi mode keabuan dengan proses resizing dan grayscalling. Proses tersebut digunakan agar dapat mengurangi dimensi citra dan mengubahnya dari mode warna RGB menjadi mode keabuan (0-255) sebagai tahap awal untuk memudahkan pendeteksian disk optic retina. Gambar 1(a) menunjukan hasil pengolahan citra dari gambar fundus normal sedangkan pada gambar 1(b) merupakan fundus yang telah diubah ke mode grayscale atau keabuan.
(a) (b)
Gambar 1. (a) Gambar fundus retina dari dataset STARE, (b) citra hasil mode grayscale
Pada proses resize ukuran citra digunakanlah komponen library pada Matlab yaitu imresize. Dimana ukuran dimensi citra awal akan diubah menjadi ukuran yang telah di setting yaitu 1000 x 1120 pixel.
Selain itu, pada proses grayscale juga memanfaatkan library pada Matlab yaitu rgb2gray. Citra RGB yang sebelumnya telah diresize dapat diubah menjadi mode grayscale. Dimana nilai intensitas warna citra disetiap kanal RGB akan dicari nilai rata-rata nya sehingga timbulah nilai intensitas keabuan (gray) pada citra. Dibawah ini merupakan persamaan (2) yang mengoperasikan nilai kanal RGB menjadi mode grayscale / keabuan.
3
B
G
R
Gray
(2)Kemudian setelah citra yang dimasukan ke sistem telah di ubah menjadi intensitas keabuan, selanjutnya citra tersebut akan dilakukan perbaikan kontras agar meningkatkan intensitas warna pada citra keabuan tersebut sehingga dapat menjadi lebih baik dari pada citra yang keabua sebelumnya. Pada proses perbaikan kontras citra ini menggunakan contrast limited adaptive histogram equalization (CLAHE) dengan menggunakan library matlab adapthisteq, dimana CLAHE akan melakuka pemerataan histogram disetiap nilai piksel dan menghasilkan distribusi nilai keabuan yang lebih baik sehingga fitur yang kurang terlihat dapat dimunculkan. Gambar 2 menunjukan hasil gambar fundus yang telah dilakukan proses enhancement.
Gambar 2. Citra hasil perbaikan kontras dengan CLAHE
Setelah perbaikan kontras telah dilakukan tahap selanjutnya ialah menghilangkan gambar pembuluh retina menggunakan morfologi closing. Dengan morfologi closing tersebut akan memudahkan proses pendeteksian disk optic dengan menghilangkan pembuluh darah sehingga dapat dideteksi yang selanjutnya dibantu oleh operator meshgrid. Berikut hasil dari proses pendeteksian menggunakan operasi morfologi dan meshgrid yang ditunjukan pada gambar 3.a dan 3.b dibawah ini.
(a) (b)
Gambar 3. (a) Citra hasil operasi morfologi closing, (b) hasil pendeteksian OD dengan bantuan operator meshgrid.
Dari proses yang telah dijelaskan diatas maka dapatlah dibuat bagan alur kerja secara keseluruhan dari sistem pendeteksian disk optic pada gambar 4 berikut :
Gambar 4. (a) Bagan alur kerja Pendeteksian OD V. HASIL PENELITIAN
Dalam penelitian ini digunakanlah sepuluh citra retina yang akan diuji. Dimana hasil percobaannya dapat kita lihat pada tabel I dibawah ini :
TABLE I. HASIL UJI COBA PENDETEKSIAN
No Gambar Asli Hasil Evaluasi
1 Berhasil
2
3 Gagal 4 Berhasil 5 Berhasil 6 Berhasil 7 Berhasil 8 Berhasil 9 Berhasil 10 Berhasil
Berdasarkan hasil percobaan diatas dapat kita lihat bahwa pendeteksian disk optik (OD) dikatakan berhasil apabila lingkaran indikator pendeteksi terletak tepat pada posisi disk optik yang terdapat pada gambar fundus retina. Dimana dari sepuluh gambar fundus yang diuji coba terdapat tujuh gambar fundus yang berhasil terdeteksi sehingga dari hasil diatas dapatlah kita tentukan nilai ke akurasiannya.
Untuk menghitung hasil tingkat akurasi dalam pendeteksian disk optic ini, maka dari percobaan diatas dapatlah dihitung dengan menggunakan persamaan (3) berikut : % 100 diuji yang citra jumlah berhasil citra Jumlah Akurasi (3)
Sehingga akurasi yang diperoleh dari percobaan di atas ialah sebesar 90 %
VI. KESIMPULAN
Dari hasil percobaan menggunakan metode morfologi closing dengan fungsi meshgrid ini cukup berhasil dengan baik. Dimana dari data yang di uji diatas, tingkat keakurasian yang didapat ialah sebesar 90%. Selain itu hasil dari pendeteksian ini juga sangat dipengaruhi oleh pemrosesan awal sehingga jika fitur yang ingin dideteksi kurang diperjelas dan fitur yang tidak diinginkan masih terdapat dalam citra yang digunakan maka pendeteksian disk optic dari salah satu gambar fundus retina dapat menjadi gagal.
REFERENSI
[1] M. N. Reza, “Automatic detection of optic disc in color fundus retinal images using circle operator,” Biomed. Signal Process. Control, vol. 45, pp. 274–283, 2018.
[2] H. S. Alghamdi, H. L. Tang, S. A. Waheeb, and T. Peto, “Automatic Optic Disc Abnormality Detection in Fundus Images: A Deep Learning Approach,” pp. 17–24, 2016. [3] M. Islam, A. V. Dinh, and K. A. Wahid,
“Automated Diabetic Retinopathy Detection Using Bag of Words Approach,” J. Biomed. Sci. Eng., vol. 10, no. 05, pp. 86–96, 2017. [4] J. Dash and N. Bhoi, “Detection of Retinal
Blood Vessels from Ophthalmoscope Images Using Morphological Approach,” Elcvia, vol. 16, no. 1, pp. 1–14, 2017.
[5] D. Siva Sundhara Raja and S. Vasuki, “Automatic detection of blood vessels in retinal images for diabetic retinopathy diagnosis,” Comput. Math. Methods Med., vol. 2015, pp. 8–12, 2015.
[6] E. Imani, M. Javidi, and H. R. Pourreza, “Improvement of retinal blood vessel detection using morphological component analysis,” Comput. Methods Programs Biomed., vol. 118, no. 3, pp. 263–279, 2015. [7] D. Tri, S. Madenda, and R. R, “An Approach
to Exudates Detection using Color Reference Segmentation in Retinal Fundus Image,” Int. J. Comput. Appl., vol. 146, no. 2, pp. 25–29, 2016.
[8] N. Muangnak, P. Aimmanee, S. Makhanov, and B. Uyyanonvara, “Vessel transform for automatic optic disk detection in retinal images,” IET Image Process., vol. 9, no. 9, pp. 743–750, 2015.
[9] J. Rahebi and F. Hardalaç, “A new approach to optic disc detection in human retinal images using the firefly algorithm,” Med. Biol. Eng. Comput., vol. 54, no. 2–3, pp. 453–461, 2016.
[10] D. Deka, J. P. Medhi, and S. R. Nirmala, “Detection of macula and fovea for disease analysis in color fundus images,” 2015 IEEE 2nd Int. Conf. Recent Trends Inf. Syst. ReTIS 2015 - Proc., pp. 231–236, 2015.
[11] Y. Guo, Ü. Budak, L. J. Vespa, E. Khorasani, and A. Şengür, “A retinal vessel detection approach using convolution neural network with reinforcement sample learning strategy,”
Meas. J. Int. Meas. Confed., vol. 125, no. March, pp. 586–591, 2018.
