v
ABSTRAK
Osteoporosis merupakan penyakit yang ditandai dengan penurunan kepadatan mineral tulang. Osteoporosis merupakan penyebab umum patah tulang untuk orang yang lanjut usia. Saat ini identifikasi osteoporosis masih dilakukan secara manual oleh pakar Rheumatologi melalui citra hasil X-Ray, sehingga hasil identifikasi tergantung dari keahlian dan pengalaman pakar Rheumatologi mengenai osteoporosis. Oleh karena itu diperlukan suatu pengolahan citra pada citra bone radiograph untuk membantu dokter atau ahli rheumatologi dalam mendiagnosis osteoporosis. Tujuan dari penelitian ini adalah untuk membangun suatu sistem Computer Aided Diagnosis
(CAD) menggunakan Simple Evolving Connectionist Systems (SECoS) atau disebut juga Evolving Multilayer Perceptrons (eMLP) untuk membantu ahli rheumatologi dalam menganalisis citra bone radiograph, membantu mencegah peningkatan jumlah kesalahan klasifikasi yang mungkin terjadi. Evolving multi layer perceptron
merupakan algoritma multi layer perceptron pada jaringan syaraf tiruan yang telah mengimplementasikan konsep dari Evolving Connectionist System (ECOS). Algoritma ini dapat mengembangkan struktur jaringannya sendiri sesuai dengan input yang diterima. Teknik pengolahan citra digital akan diterapkan untuk meningkatkan kualitas citra. Ekstraksi fitur tekstur dari citra dilakukan dengan menggunakan Gray Level Co-occurrence matrix (GLCM) yang dibangun dengan empat arah yang berbeda untuk setiap citra. Hal ini akan digunakan untuk mengklasifikasi setiap citra dan kemudian akan dikelompokkan ke dalam kategori normal atau osteoporosis. Tiga lapisan jaringan dari Simple Evolving Connectionist Systems (SECoS) dengan 16 fitur diusulkan untuk mengklasifikasikan daerah yang ditandai ke dalam normal atau osteoporosis. Berdasarkan pengujian dataset bone radiograph diperoleh sensitivitas 84.61% dan spesifisitas 90.90%.
Kata kunci: osteoporosis, identifikasi, bone radiograph, evolving connectionist systems,evolving multilayer perceptrons.
vi
OSTEOPOROSIS IDENTIFICATION ON BONE RADIOGRAPH USING EVOLVING CONNECTIONIST SYSTEMS
ABSTRACT
Osteoporosis is a disease characterized by decreased bone mineral density. Osteoporosis identification from radiograph image can be done by various methods, one of them is the measurement of Bone Mineral Densitometry (BMD). However, this method requires comprehensive and expensive equipment and therefore, a cheaper and easier approach is needed. The purpose of this study is to build an Evolving Multilayer Perceptron (eMLP) system to help rheumatologists in analysing bone radiograph images and help preventing classification errors that may occur. Digital image processing techniques will be applied to improve the image quality. Each bone radiograph images is adjusted for intensity transformation, then median filtering to remove noise and Contrast Limited Adaptive Histogram Equalization (CLAHE) is applied to each bone radiograph images to enhance image contrast. Texture feature extraction of bone radiograph images is done using Grey Level Co-occurrence matrix (GLCM) built with four different directions for each bone radiograph images. This will be used to classify each bone radiograph images either normal category or osteoporosis. Three network layers from Simple Evolving Connectionist Systems (SECoS) with 16 features proposed to classify the area marked into normal or osteoporosis. Based on the bone radiograph dataset testing, the results show 84.61% of sensitivity and 90.90% of specificity.
Keyword: osteoporosis, bone radiograph, evolving connectionist systems, identification, evolving multilayer perceptrons.
