METODE PENENTUAN LESI GANAS (CARCINOMA) DAN LESI JINAK (BENIGN) KANKER PAYUDARA (CA MAMMA) MENGGUNAKAN BESARAN FISIS FILM
HASIL FOTO SINAR-X MAMMOGRAFI
Oleh :
Dr.Drs. ANAK AGUNG NGURAH GUNAWAN,M.T.
JURUSAN FISIKA / FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA
2015
USULAN UBER HKI
BANTUAN PENTAFTARAN PATEN
Sistimatika Usulan Bantuan Pendaftaran Paten UBER-HKI
a. Uraian Umum
1 Judul Invensi : METODE PENENTUAN LESI GANAS (CARCINOMA)
DAN LESI JINAK (BENIGN) KANKER PAYUDARA (CA MAMMA) MENGGUNAKAN BESARAN FISIS FILM HASIL FOTO SINAR-X MAMMOGRAFI.
2 Ketua Pengusul
a. Nama Lengkap : Dr.Drs. Anak Agung Ngurah Gunawan,M.T.
b. Jenis Kelamin : L / P
c. NIP : 196209251992031003
d. Disiplin ilmu : Fisika
e. Pangkat/Golongan : Pembina/IVa f. Jabatan fungsional/structural : Lektor Kepala
g. Fakultas/Jurusan : Fakultas Matematika dan Ilmu Pengetahuan Alam/Fisika 3. Anggota Pengusul : -
4. Subyek Paten : Breast Cancer
5. Jumlah Klaim Invasi : 2 (dua)
b. Rancangan Dokumen Usulan Paten 1. Uraian Penelusuran Paten
Berdasarkan penelusuran paten yang telah dilakukan yaitu US5491627 Wei Zhang, yang diterbitkan tanggal 13 Pebruari 1996 menggunakan regions-of-interest (ROI) sebagai masukkan dari jaringan saraf tiruan. Dalam invensi ini disebutkan output dari jaringan saraftiruan adalah microcalcification.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US5574799, Isaac N.
Bankman, yang di terbitkan pada tanggal 12 Nopember 1996, menggunakan garis kontur untuk mendeteksi keberadaan microcalcification, Dalam invensi ini disebutkan garis kontur sesuai dengan tingkat intensitas sehingga menyebabkan microcalcification terlihat menonjol.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US7430308, Maria Kallergi, yang diterbitkan pada tanggal 30 September 2008, menggunakan segmentasi untuk mendeteksi microcalcification. Dalam invensi ini disebutkan fitur yang dipilih merupakan morphologi dari microcalcification.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US 8882674 B2, Sheldon Weinbaum, yang di terbitkan pada tanggal 17 April 2008 menggunakan metoda in vivo dinding vessel darah untuk mendeteksi microcalcification. Dalam invensi ini disebutkan satu microcalcification diameternya 5 mikrometer sampai 10 mikrometer.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US7853089 Gal Shafirstein, Xiaowei Xu, Mutlu Mete, yang terbit tanggal 14 Desember 2010 menggunakan Pengolahan citra dan metode untuk analisis histologi. Dalam invensi ini disebutkan Sebuah metode otomatis untuk menganalisis apakah semua jaringan kanker atau abnormal telah dihapus sebagai akibat dari operasi bedah.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US5077808 Ryohei Kumagai, yang terbit tanggal 31 Desember 1991. menggunakan Metode pengolahan citra dengan perubahan histogram. Dalam invasi ini disebutkan Dalam metode pengolahan citra digital oleh komputer, termasuk langkah-langkah untuk membentuk histogram gray-level dari citra digital, membentuk fungsi deteksi puncak dari histogram gray-level, menggunakan fungsi deteksi puncak untuk mendeteksi puncak dalam histogram, dan mempekerjakan lokasi puncak terdeteksi untuk memproses citra.
2. Uraian Potensi Komersialisasi
Alat mammografi yang ada di rumah sakit sekarang ini sudah system digital, sehingga file-file mammogram pasien bisa di simpan kedalam hard disk, kelemahan dari alat mammografi tersebut belum bisa menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma), masih memerlukan dokter ahli radiologi untuk membaca hasil mammogram pasien tersebut. Dengan menggunakan besaran fisis hasil mammografi maka alat mammografi tersebut secara otomatis mampu membaca hasil mammogram pasien dan mengetahui lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) tersebut. Hasil dari paten ini nantinya sebagai pembanding hasil pembacaan dokter radiologi dan sangat membantu dokter radiologi untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma). Model yang didapatkan dari paten ini akan di tanam dalam system alat mammografi digital sehingga alat tersebut dapat langsung dibaca oleh dokter radiologi untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma).
3. Rancangan Dokumen Usulan Paten
Deskripsi
METODE PENENTUAN LESI GANAS (CARCINOMA) DAN LESI JINAK (BENIGN) KANKER PAYUDARA (CA MAMMA) MENGGUNAKAN BESARAN FISIS FILM
HASIL FOTO SINAR-X MAMMOGRAFI Bidang Teknik Invensi
Invensi ini berhubungan dengan metoda menentukan jenis histopatologi Ca Mamma menggunakan besaran fisis film, lebih khusus lagi invensi ini berhubungan dengan penggunaan ciri-ciri struktur citra gray level yang disebut sebagai besaran fisis film untuk penentuan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma)
Latar Belakang Invensi
Sepuluh besaran fisis film yang berfungsi sebagai variabel-variabel yang signifikan untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma), seperti ketidakseragam (entropy). ketajaman variasi-variasi struktural (contrast), keseragaman struktural (anguler second moment), homogenitas lokal (inverse difference moment), ketergantungan linear gray-level dari citra (correlation), sifat keaslian dari distribusi batas satu dimensi dari histogram orde dua (mean), kerapatan dari distribusi batas satu dimensi dari histogram orde dua (deviation), ketidakseragaman dari histogram orde dua diferensial (entropy of Hdiff), keseragaman dari histogram orde dua diferensial (anguler second moment of Hdiff), sifat keaslian dari distribusi batas satu dimensi dari histogram orde dua diferensial (mean of Hdiff).
Variabel besaran fisis yang digunakan perlu diskrening satu persatu untuk mengetahui variabel yang benar-benar mampu membedakan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma). Begitu juga dengan jarak antar pixel juga perlu diskrening satu persatu untuk mengetahui jarak antar pixel mana yang signifikan untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma). Karena pada dasarnya untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) tergantung pada variasi besaran fisis dan variasi jarak antar pixel.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US5491627 Wei Zhang, yang diterbitkan tanggal 13 Pebruari 1996 menggunakan regions-of-interest (ROI) sebagai masukkan dari jaringan saraf tiruan. Dalam invensi ini disebutkan output dari jaringan saraftiruan adalah microcalcification.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US5574799, Isaac N.
Bankman, yang di terbitkan pada tanggal 12 Nopember 1996, menggunakan garis kontur untuk mendeteksi keberadaan microcalcification, Dalam invensi ini disebutkan garis kontur sesuai dengan tingkat intensitas sehingga menyebabkan microcalcification terlihat menonjol.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US7430308, Maria Kallergi, yang diterbitkan pada tanggal 30 September 2008, menggunakan segmentasi untuk mendeteksi microcalcification. Dalam invensi ini disebutkan fitur yang dipilih merupakan morphologi dari microcalcification.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US 8882674 B2, Sheldon Weinbaum, yang di terbitkan pada tanggal 17 April 2008 menggunakan metoda in vivo dinding vessel darah untuk mendeteksi microcalcification. Dalam invensi ini disebutkan satu microcalcification diameternya 5 mikrometer sampai 10 mikrometer.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US7853089 Gal Shafirstein, Xiaowei Xu, Mutlu Mete, yang terbit tanggal 14 Desember 2010 menggunakan Pengolahan citra dan metode untuk analisis histologi. Dalam invensi ini disebutkan Sebuah metode otomatis untuk menganalisis apakah semua jaringan kanker atau abnormal telah dihapus sebagai akibat dari operasi bedah.
Berdasarkan penelusuran paten yang telah dilakukan yaitu US5077808 Ryohei Kumagai, yang terbit tanggal 31 Desember 1991. menggunakan Metode pengolahan citra dengan perubahan histogram. Dalam invasi ini disebutkan Dalam metode pengolahan citra digital oleh komputer, termasuk langkah-langkah untuk membentuk histogram gray-level dari citra digital, membentuk fungsi deteksi puncak dari histogram gray-level, menggunakan fungsi deteksi puncak untuk mendeteksi puncak dalam histogram, dan mempekerjakan lokasi puncak terdeteksi untuk memproses citra.
Metoda penentuan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) memanfaatkan ketidakseragam (entropy). ketajaman variasi-variasi struktural (contrast), keseragaman struktural (anguler second moment), homogenitas lokal (inverse difference moment), ketergantungan linear gray-level dari citra (corelation), sifat keaslian dari distribusi batas satu dimensi dari histogram orde dua (mean), kerapatan dari distribusi batas satu dimensi dari histogram orde dua (deviation), ketidakseragaman dari histogram orde dua diferensial (entropy of Hdiff), keseragaman dari histogram orde dua diferensial (anguler second moment of Hdiff), sifat keaslian dari distribusi batas satu dimensi dari histogram orde dua diferensial (mean of Hdiff). Dengan menggunakan besaran fisis sensitivitas penentuan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) adalah 86,67 %/pada α=5%.
Hal ini berarti bahwa penggunaan besaran fisis atau ciri-ciri struktur citra gray level memang mampu menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma).
Uraian Singkat Invensi
Invensi ini menghasilkan suatu pemilihan ciri-ciri struktur citra gray level atau besaran fisis film yang tepat untuk meningkatkan sensitivitas dalam pembacaan mammogram untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma).
Pemilihan ciri-ciri struktur citra gray level atau besaran fisis film ini dipandang sangat tepat karena sedikit saja ada perubahan pada lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) akan terdeteksi dan menghasilkan besaran fisis berupa besaran numerik.
Metode penggunakan ciri-ciri struktur citra gray level atau besaran fisis untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) meliputi langkah-langkah sebagai berikut :
a. Mensortir mammogram yang sudah diperiksa Radiodiagnostik.
b. Melakukan Pra-Procesing untuk memperbaiki kualitas citra dengan cara memperjelas contras citra dengan metode histogram equalization.
c. Proses menghitung besaran fisis yang ada pada mammogram menggunakan metoda histogram orde dua.
d. Menyimpan data hasil perhitungan ke dalam file TXT.
e. Menganalisis hasil perhitungan besaran fisis tersebut menggunakan regresi logistic.
Uraian Lengkap Invensi
Untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) menggunakan regresi logistic dengan prosedur sebagai berikut :
a. Menskrening variabel satu persatu variabel yang signifikan yang berpengaruh terhadap outcome dengan cara melihat sig likelihood < 0.05 dan sig estimasi < 0.25.
b. Ulangi lagi menjalankan uji regresi logistic dengan memasukkan variabel yang terpilih secara bersamaan.
c. Keluarkan satu persatu bila ada variabel yang sig estimasinya > 0.05.
d. Ulangi lagi menjalankan uji regresi logistic sampai semua variabel tersebut tidak ada sig estimasi > 0.05.
e. Variabel yang terpilih tersebut merupakan variabel yang berpengaruh terhadap outcome maka dapat dipakai untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma).
Alasan utama mengapa menggunakan regresi logistic untuk menganalisis penentuan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma), karena variabel dependennya merupakan variabel non matrik yang tidak bisa di ukur (lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma)) sedangkan variabel indepedennya merupakan variabel matrik yang bisa di ukur seperti besaran fisis.
Hasil :
Citra mammografi digital di upload ke dalam program mammo analisis, kemudian dilakukan perbaikan kualitas citra menggunakan metode histogram qualization, kemudian dihitung nilai besaran fisisnya seperti entropy, contrast, anguler second moment, inverse difference moment, correlation, mean, deviation, entropy of Hdiff, angular second moment of Hdiff, mean of Hdiff. nilai besaran fisis tersebut kemudian dimasukkan kedalam persamaan.
Z:= -17056.786 + 13939360.273*MA[9] -14975532.439*MA[10] + 79507.135*MD[5] + 123275.512*MD[6] -52858.798 * MD[7] -29317.721*MD[8] - 46033.962*MD[9] - 84405.247*MD[10] -2616.686*MN[1] + 5924.284*MN[2] -3119.844*MN[3] -453.778*MN[4]
-1114.523*MN[5] + 3720.727*MN[6] -3618.971*MN[7] + 11.610*MN[8] + 2152.569*MN[9]
- 885.095MN[10] -1327.391*D[1] + 2202.098*D[2] - 3.143*D[3] -3364.818*D[4] + 7916.137*D[5] -10676.240*D[6] + 6323.275*D[7] + 415.555*D[8] -1671.692*D[9] + 197.645*D[10] + 23576.501*EH[1] + 7048.037*EH[2] -98617.823*EH[3] + 59177.808*EH[4]
- 53465.845*EH[5] + 81134.008*EH[6] + 743.337*EH[7] - 81311.924*EH[8] + 74475.699*EH[9] - 4742.767*EH[10] + 169258.070*MAH[1] + 31944.202*MAH[2] - 1083908.718*MAH[3] + 826751.786*MAH[4] + 888282.531*MAH[5] - 918006.126*MAH[6]
-487749.444*MAH[7] - 1455971.004*MAH[8] + 1382311.075*MAH[9] + 844659.147*MAH[10] -124.008*MHD[1] + 74.265*MHD[2] -744.240*MHD[3] + 1741.103*MHD[4] + 430.726*MHD[5] -116.272*MHD[6] -1461.422*MHD[7] - 1022.368*MHD[8] + 894.912*MHD[9] + 346.808*MHD[10];
Probabilitas terjadinya Carcinoma
Probabilitas terjadinya benign = 1 - Probabilitas terjadinya Carcinoma.
Sehingga program akan menentukan pasien tersebut termasuk lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma). Hasil yang keluar dari metode penentuan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) adalah berupa data table nilai besaran fisis lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma)
Range nilai lesi ganas (carcinoma) dan lesi jinak (benign) adalah sebagai berikut :
No Besaran Fisis Benign Carcinoma
1 Moment Anguler 0,00015 - 0.01013 0.00013 - 0.08280 2 Moment Differensial Invers. 0.01527 - 0.08977 0.01106 - 0.39200
3 Mean. 71.55468 -
195.80523
71.16284 - 220.92240 4 Deviation. 18.84672 - 56.86512 11.06751 - 93.33126 5 Entropy Histogram Orde Dua
Differensial.
1.32977 - 2.05756 1.29424 - 2.14790 6 Moment Anguler Kedua
Histogram Orde Dua Differensial.
0.01051 - 0.05878 0.00806 - 0.11134
7 Mean Histogram Orde Dua Differensial.
7.65163 - 43.77752 7.27355 - 55.92737
Klaim
1. Metode untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) langkah-langkah sebagai berikut :
a. Menscrening variabel-variabel besaran fisis seperti entropy, contrast, anguler second moment, inverse difference moment, correlation, mean, deviation, entropy of Hdiff, angular second moment of Hdiff, mean of Hdiff satu persatu menggunakan regresi logistic.
b. Variabel yang terpilih kemudian dimasukkan serentak, kemudian diskrening lagi menggunakan regresi logistic.
2. Metode untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) menggunakan variasi 9 besaran fisis dan variasi 10 Jarak antar piksel.
Abstrak
METODE PENENTUAN LESI GANAS (CARCINOMA) DAN LESI JINAK (BENIGN) KANKER PAYUDARA (CA MAMMA) MENGGUNAKAN BESARAN FISIS FILM
HASIL FOTO SINAR-X MAMMOGRAFI
Invensi ini berhubungan dengan pemakaian besaran fisis seperti entropy, contrast, anguler second moment, inverse difference moment, correlation, mean, deviation, entropy of Hdiff, angular second moment of Hdiff, mean of Hdiff untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma), adapun langkah-langkah sebagai berikut :
a. Menskrening variabel satu persatu variabel yang signifikan yang berpengaruh terhadap outcome dengan cara melihat sig likelihood < 0.05 dan sig estimasi < 0.25.
b. Ulangi lagi menjalankan uji regresi logistic dengan memasukkan variabel yang terpilih secara bersamaan.
c. Keluarkan satu persatu bila ada variabel yang sig estimasinya > 0.05.
d. Ulangi lagi menjalankan uji regresi logistic sampai semua variabel tersebut tidak ada sig estimasi > 0.05.
e. Variabel yang terpilih tersebut merupakan variabel yang berpengaruh terhadap outcome maka dapat dipakai untuk menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma).
Dengan menggunakan besaran fisis sensitivitas penentuan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma) adalah 86,67 %/pada α=5%. Hal ini berarti bahwa penggunaan besaran fisis atau ciri-ciri struktur citra gray level memang mampu menentukan lesi ganas (carcinoma) dan lesi jinak (benign) kanker payudara (ca mamma).
Pembiayaan
No Uraian Jumlah
1 Biaya pengelolaan bantuan pendaftaran paten Rp. 7.500.000,-
2 Percepat perolehan paten Rp. 200.000,-
Total Biaya Rp. 7.700.000,-
D. INSTRUMEN PENILAIAN BANTUAN PENDAFTARAN PATEN
INSTRUMEN PENILAIAN USULAN BANTUAN PENTAFTARAN PATEN
I. Identitas Program
1. Judul Invensi : Penentuan Lesi Ganas (Carcinoma) dan Lesi Jinak (Benign) Kanker Payudara (Ca Mamma) Menggunakan Besaran Fisis Film Hasil Mammografi.
2. Ketua Tim Pengusul : Dr.Drs.Anak Agung Ngurah Gunawan,MT 3. Bidang Ilmu : BioFisika
4. Perg.Tinggi/Jurusan : Universitas Udayana/Fisika 5. Jumlah Anggota : - orang
II. Kriteria dan Indikator
N0. KRITERIA INDIKATOR PENILAIAN BOBOT (%)
SKOR NILAI
1 Aspek Invensi a. Unsur kebaruan b. Langkah Invensf
c. Kemampuan diterapkan pada industri
25 25 10 2 Aspek Komersial d. Potensi nilai komersial
dan cakupan wilayah pasar
e. Urgensi kebutuhan terhadap invensi.
f. Potensi penciptaan nilai tambah.
10
10 10 3 Aspek Format g. Sistematika dan
kesesuaian format usulan
10
Jumlah 100
Keterangan:
Skor:1, 2, 4, atau 5 (1=sangat kurang, 2=kurang, 4=baik, 5=sangat baik) Nilai = Bobot x Skor; Batas penerimaan (passing grade) = 350
Hasil Penilaian : Diterima/Ditolak (coret salah satu)
Alasan Penolakan: ( sebutkan dengan jelas, satu indikator atau lebih) Catatan Penilai :
...
Kota, tanggal bulan tahun Penilai,
Nama dan tanda tangan
BUTIR-BUTIR ALASAN PENOLAKAN PENTAFTARAN PATEN
N0 KRITERIA INDIKATOR PENILAIAN ALASAN PENOLAKAN
1 Aspek Invensi a. Unsur kebaruan
b. Langkah inventif
c. Kemampuan diterapkan pada industri.
a. Tidak/kurang menunjukkan aspek kebaruan.
b. Tidak/kurang jelas menguraikan langkah invensi.
c. Tidak disebutkan/tidak ada kejelasan mengenai
penerapan di industri.
2 Aspek Komersial d.Potensi nilai komersial dan cakupan wilayah Pasar.
e.Urgensi kebutuhan terhadap invensi.
f.Potensi penciptaan nilai tambah.
d. Potensi untuk dipasarkan kurang, tidak
disebutkan/tidak ada kejelasan potensi cakupan wilayah pasar.
e. Urgensi kebutuhan terhadap invensi kurang.
f. Potensi penciptaan nilai tidak jelas atau tidak ada.
3 Aspek Format g.Sistematika dan kesesuaian format usulan
g. Tidak mengikuti format usulan maupun format usulan paten.
Direktur Penelitian dan Pengabtian Kepada Masyarakat,
ttd
Agus Subekti
NIP.196008011984031002
