DETEKSI TULANG BELAKANG PADA CITRA CT-SCAN MENGGUNAKAN METODE DETEKSI TEPI SOBEL
Fakultas Teknologi Industri Universitas Gunadarma
Indonesia
Fakultas Teknologi Industri Universitas Gunadarma
Indonesia
Abstract
Metode deteksi tepi adalah salah satu operasi dalam pengolahan citra yang berguna untuk menetapkan batas atau tepi pada objek. Penelitian ini menggunakan metode Sobel untuk mendeteksi tepi tulang belakang. Deteksi tulang belakang bertujuan untuk mensegmentasi ginjal pada penelitian lanjutan. Posisi ginjal terletak di kanan dan kiri tulang belakang, hal ini akan memudahkan program melakukan segmentasi ginjal. Langkah awal dalam penelitian ini adalah konversi citra DICOM menjadi citra skala abu-abu, diikuti dengan langkah selanjutnya yaitu peningkatan citra menggunakan teknik filter median untuk mengurangi noise pada gambar. Hasil uji coba menunjukkan hasil deteksi tepi menggunakan Sobel berhasil mendeteksi tulang belakang. Namun, untuk menghasilkan deteksi tepi secara maksimal, citra input tetap perlu dilakukan proses perbaikan terlebih dahulu sebelum proses deteksi tepi dilakukan, meskipun metode sobel mempunyai kelebihan untuk mengurangi noise dari metode deteksi tepi lainnya.
Keywords
References
K. K. R. Indonesia, “Riset Kesehatan Dasar (Riskesdas),” 2018. [Online]. Available: https://kesmas.kemkes.go.id/assets/upload/dir_519d41d8cd98f00/files/Hasil-riskesdas-2018_1274.pdf. [Diakses 10 Desember 2021].
L. Rhodia, Karakteristik Penyakit Ginjal Anak Remaja Usia 15-18 Tahun di Indonesia Berdasarkan data Riskesdas tahun 2013, Jakarta: Thesis Fakultas Kedokteran Universitas Indonesia, 2017.
W. K. Q. Z. S. W. Hong Song, “Kidney Segmentation in CT Sequences Using SKFCM and Improved Growcut Algorithm,” dalam IEEE International Conference on Bioinformatics and Biomedicine (BIBM 2014), Belfast, UK, 2014.
S. S. N. Senthil Kumaran, “Segmentation of Renal Calculi from CT Abdomen Images by Incorporating FCM and Level Set Approaches,” International Journal of Advanced Research in Computer and Communication Engineering, ISO 3297:2007 Certified, vol. 5, no. 7, 2016.
P. Stanley H. Stern, Tabulation adn Graphical Summary of 2000 Survey of Computed Tomography, Frankfort, Kentucky: Conference of Radiation Control Program Directors, Inc., 2007.
Y. J. G. R. P. J. L. W. M. S. R. M. Linguraru M. G., “Renal Tumor Quantification and Classification in Contrast-Enhanced Abdominal CT,” Pattern Recognition, Elsevier, vol. 42, pp. 1149-1161, 2009.
W. B. Gao Yan, “Automatic segmentation of kidney without using contrast medium on abdominal CT images,” dalam Intelligent System and Knowledge Engineering, Xiamen, 2008.
M. M. M. H. Z. Z. H. S. L. W. Ed-Edily Mohd Azhari, “Tumor detection in medical imaging: a Survey,” International Journal of Advanced Information Technology (IJAIT), vol. 4, no. 1, 2014.
A.-C. H. E.-D. M. N. M. Mariam Wagih Attia, “Classification of Ultrasound Kidney Images using PCA and Neural Networks,” International Journal of Advanced Computer Science and Applications (IJACSA), vol. 6, no. 4, 2015.
E. H. H. A. N. Alyaa Hussein Ali, “Analysis and Classification of Kidney Images Using Watershed Segmentation and Texture Properties,” International Journal of Computer Science and Mobile Computing, vol. 5, no. 4, pp. 592-604, 2016.
I. H. A. B. Aicha Belgherbi, “Morphological Segmentation of The Kidneys From Abdominal CT Images,” Journal of Mechanics in Medicine and Biology, vol. 14, no. 5, 2014.
B. Naegel, Abdominal Organs Segmentation by A Topological and Morphological, Strasbourg: Thesis, Louis Pasteur University, 2004.
Kustanto, “Computing Grayscale of face detection menggunakan Sobel dan Laplacian of Gaussian,” Jurnal Antivirus, vol. 11, p. 1, 2017.
H. A. Oscar Adriyanto, “Deteksi Tepi untuk Indikasi Tumor Otak Menggunakan Metode Sobel dan Morphological Operations Berdasarkan Citra Magnetic Resonance Imaging,” Journal of Computer Engineering System and Science (CESS), vol. 3, p. 2, 2018.
