Perbaikan Segmentasi Pembuluh Darah Tipis Pada Citra Retina Menggunakan Fuzzy Entropy
Abstract
Diabetic Retinopathi adalah kelainan pembuluh darah retina pada mata yang diakibatkan komplikasi penyakit diabetes. Deteksi lebih dini diperlukan agar kelainan ini dapat ditangani secara cepat dan tepat. Kelainan ini ditandai dengan melemahnya bagian pembuluh darah tipis akibat tersumbatnya aliran darah kemudian menyebabkan bengkak pada mata bahkan kebutaan. Oleh karena itu diperlukan metode analisa pembuluh darah retina melalui proses segmentasi pembuluh darah terutama pada bagian penting yaitu pembuluh darah tipis. Peneliti mengusulkan penggabungan metode perbaikan pembuluh darah tipis atau yang dikenal dengan Thin Vessel Enhancement dan Fuzzy Entropy. Thin Vessel Enhancement berfungsi untuk memperbaiki citra agar dapat mengekstrak lebih banyak bagian pembuluh darah khususnya pembluh darah tipis, sedangkan Fuzzy Entropy dapat menentukan nilai optimal threshold berdasarkan nilai entropy pada membership function. Segmentasi yang dihasilkan dibagi menjadi 3 kategori yaitu pembuluh darah utama, medium, dan tipis. Uji coba dilakukan terhadap metode Thin Vessel Enhancement menggunakan 1 kernel dan Fuzzy Entropy dari nilai threshold ke-1 maka diperoleh nilai accuracy, sensitivity, dan specivicity sebesar 94.81%, 66.83%, dan 97.51%.
Full Text:
PDFReferences
V. Yulyanti, H. A. Nugroho, I. Ardiyanto, J. Grafika, and N. Bulak, “Ulasan Deteksi Retinal Hemorrhages pada Citra Fundus Retina,” in CITEE, 2017, pp. 251–255.
S. Roychowdhury, D. D. Koozekanani, and K. K. Parhi, “Blood vessel segmentation of fundus images by major vessel extraction and subimage classification,” IEEE J. Biomed. Heal. Informatics, vol. 19, no. 3, pp. 1118–1128, 2015.
M. R. Kurnia, H. Tjandrasa, and Y. Wijaya, “Implementasi Segmentasi Pembuluh Darah Retina Pada Citra Fundus Mata Menggunakan Tekstur , Thresholding dan Operasi Morfologi,” vol. 1, no. 1, pp. 1–6, 2012.
D. Sutaji, C. Fatichah, and A. Navastara, “Segmentasi Pembuluh Darah Retina Pada Citra Fundus Menggunakan Gradient Based Adaptive Thresholding Dan Region Growing,” vol. 2, pp. 105–116, 2016.
L. Zhou, Q. Yu, X. Xu, Y. Gu, and J. Yang, “Computer Methods and Programs in Biomedicine Improving dense conditional random field for retinal vessel segmentation by discriminative feature learning and thin-vessel enhancement,” vol. 148, pp. 13–25, 2017.
K. Rezaee, J. Haddadnia, A. Tashk, and G. Student, “Optimized clinical segmentation of retinal blood vessels by using combination of adaptive filtering , fuzzy entropy and skeletonization,” Appl. Soft Comput. J., vol. 52, pp. 937–951, 2017.
A. Kadir and A. Susanto, “PCD-0,” in Pengolahan Citra, Teori dan Aplikasi, Penerbit ANDI, 2012.
“Retina - Wikipedia bahasa Indonesia, ensiklopedia bebas.” 2017.
F. Zana and J. Klein, “Segmentation of Vessel-Like Patterns Using Mathematical Morphology and Curvature Evaluation,” vol. 10, no. 7, pp. 1010–1019, 2001.
E. Ricci and R. Perfetti, “Retinal Blood Vessel Segmentation Using Line Operators and Support Vector Classification,” vol. 26, no. 10, pp. 1357–1365, 2007.
Y. Yeniyayla, Fuzzy entropy and its applications. Graduate School of Natural and Applied Sciences at Dokuz Eylul University, 2011.
S. Sarkar, S. Das, and S. Paul, “A Fuzzy Entropy Based Multi-Level Image Thresholding Using Differential Evolution A Fuzzy Entropy Based Multi-Level Image Thresholding Using Differential Evolution,” no. July, 2015.
M. M. Fraz, C. G. Owen, and S. A. Barman, “Blood vessel segmentation methodologies in retinal images – A survey,” Comput. Methods Programs Biomed., vol. 108, no. 1, pp. 407–433, 2012.
J. V. C. I. R, H. Yazid, and H. Arof, “Gradient based adaptive thresholding,” J. Vis. Commun. Image Represent., vol. 24, no. 7, pp. 926–936, 2013.
J. Dash and N. Bhoi, “A Thresholding Based Technique to Extract Retinal Blood Vessels from Fundus Images,” Futur. Comput. Informatics J., vol. 2, no. 2, pp. 103–109, 2017.
DOI: http://dx.doi.org/10.12962/j24068535.v17i2.a857
Refbacks
- There are currently no refbacks.
