IMPLEMENTASI ALGORITMA EKSTRAKSI
CENTERLINE
BERBASIS KURVA
PRINCIPAL
:
STUDI KASUS SEGMEN PEMBULUH DARAH RETINA
(Kata kunci: pembuluh darah retina, segmentasi, deteksi garis tepi, ekstraksicenterline)
PRESENTASI TUGAS AKHIR
–
KI141502
Penyusun Tugas Akhir :
Pendahuluan
Rancangan
Algoritma
Latar Belakang
EKSTRAKSI
CENTERLINE
BERBASIS
KURVA 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
Memahami konsep Hessian matrix dan komputasi eigenvalue, Frangi’svesselness 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 ekstraksicenterline.
Mengimplementasikan sistem yang dirancang pada pembuluh darah retina.
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
.
Menggunakan
window
dengan ukuran 5 x 5 pada
Bradley
thresholding
.
Menggunakan
nilai piksel sebesar 21 pada
morfologi
opening
area
, dan nilai piksel sebesar dua dengan
structuring element
“
square
”
berdimensi 2 x 2 pada
morfologi
close
.
Menggunakan
algoritma
Euclidean distance transform
pada
metode
distance map
“
dist
”
dan algoritma
Canny edge
detection
diikuti dengan perhitungan
distance
menggunakan
jarak garis singgung lingkaran pada metode
distance map
“
mine
”
.
Mengetahui penerapan konsep metodeFrangi’s vesselness filter,
mean filter
,masking, thresholding, dan morfologi
untuk melakukansegmentasi terhadap pembuluh darah retina.
Mengetahui penerapan ekstraksicenterline
berbasis kurvaprincipal dari pembuluh darah retina.
Mengimplementasikan rancangan sistem yang dapat melakukan segmentasi pembuluh darah retina dan ekstraksicenterline
pembuluh darah retina berbasis kurvaprincipal
.TUJUAN
MANFAAT
Hasil ekstraksicenterline
pembuluh darah retinakedepannya akan dapat digunakan untuk mengidentifikasi
jenis penyakit berdasarkan parameter pengukuran yang ditentukan.
Pemindaian retina mata
Praproses dan segmentasi pembuluh
darah retina
Rancangan Algoritma
1
2
Ekstraksi
centerline
pembuluh darah retina
Rancangan Algoritma
Citra awal
Ekstraksi Centerline Praproses dan Segmentasi
Tahap Praproses
Hessian Matrix dan Eigenvalue
Non Maxima Suppression
Classic Ridge Transversal
Caliber Estimation
Praproses dan Segmentasi
Pembuluh Darah Retina
Citra awal
Tahap Praproses
Hessian Matrix dan Eigenvalue
Ekstraksi
Centerline
Pembuluh Darah Retina
Citra hasil
segmentasi Citra hasil
ekstraksi centerline Distance Map
Non Maxima Suppression
Classic Ridge Transversal
Uji Coba
1
Perbandingan hasil akurasi ekstraksi centerline
menggunakan metode distance map “mine” dengan “dist”.
3
Uji coba kebenaran citra hasil segmentasi biner
Uji coba batas ambang metode Bradley thresholding
Uji Coba
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 error
menggunakan confusion matrix berikut.
Prediksi Kenyataan
Segmen vaskular Latar belakang Segmen vaskular TP FP
Skenario 1
Menggunakan 4 buah citra ground truth DRIVE dengan citra hasilBradley 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 padaBradley thresholding.
Evaluasi uji kebenaran dilakukan dengan menghitung nilai error.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 adalahSkenario 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 detectionyang diikuti dengan perhitungan distance menggunakan jarak garis singgung lingkaran.
Distance map “dist” menggunakan metode Euclidean distance transform.Skenario 4
Menggunakan enam buah citra dari DRIVE, yakni citra retina03_test.tif, 10_test.tif, 15_test.tif, 26_training.tif, 29_training.tif, dan 40_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 Praproses Segmentasi
Biner
Ekstraksi
Centerline Total
03_test 2.02 32.851 0.97 296.038 331.879
10_test 1.809 31.379 2.492 302.484 338.164
15_test 1.798 43.361 3.056 424.483 472.698
26_training 3.524 36.166 1.484 302.326 343.5
29_training 1.727 32.155 2.27 336.571 372.723
40_training 1.347 29.422 3.144 308.855 342.768
Metode praproses dan segmentasi yang digunakan memiliki alur proses yang benar. Terbukti dengan akurasi sebesar93.54%
.
Distance map “dist” dapat menghasilkan ekstraksi centerline terbaik, yakni menggunakan fungsi Euclidean Distance Transform.
Non Maxima Suppression, Classic Ridge Transversal, danLaplacian of Gaussian dapat digunakan sebagai metode ekstraksi
centerline berbasis kurva principal yang baik. Terbukti dengan
akurasi sebesar