Active Contour Lankton untuk Segmentasi Kanker Payudara pada Citra Mammogram
Article Sidebar
Main Article Content
Abstract
Mammografi merupakan salah satu alat terbaik sampai saat ini untuk melakukan deteksi dini terhadap keberadaan kanker payudara. Penggunaan mammografi efektif menurunkan tingkat kematian akibat kanker payudara sebesar 30% sampai 70%. Akan tetapi, terdapat kesulitan melakukan interpretasi terhadap mammogram sebagai hasil luaran dari mammografi karena sangat bergantung pada kualitas mammogram dan pengalaman dari ahli radiologi dalam mendeteksi lesi kanker payudara. Computer Aided Diagnosis (CAD) sebagai pembaca ganda mammogram dapat dipergunakan untuk meningkatkan akurasi deteksi dan segmentasi dari ahli radiologi. Penelitian ini merupakan upaya untuk melakukan deteksi dan segmentasi dengan menggunakan teknik pemrosesan citra terhadap objek yang dicurigai sebagai lesi kanker payudara pada citra mammogram. Untuk meningkatkan akurasi deteksi dan segmentasi maka dilakukan preprocessing untuk mengurangi noise dan meningkatkan homogenitas aras keabuan mammogram. Deteksi dan segmentasi terhadap keberadaan lesi kanker dilakukan dengan menerapkan metode active contour Lankton. Hasil penelitian menunjukkan metode yang diajukan mampu melakukan deteksi dan segmentasi terhadap lesi kanker payudara dengan baik. Wilayah kanker payudara dapat terdeteksi sesuai dengan wilayah kanker payudara yang dideteksi radiolog dan tersegmentasi dengan jelas. Fitur FO dan GLCM hasil ekstraksi dari lesi kanker payudara dapat diperoleh signifikan tanpa terlalu banyak terkontaminasi dari fitur non lesi kanker payudara. Fitur FO dan GLCM dari lesi kanker payudara hasil ekstraksi dapat dipergunakan sebagai input untuk analisis lanjutan berupa klasifikasi lesi kanker.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Eksplora Informatika bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di Jurnal Eksplora Informatika setuju dengan ketentuan berikut:
- Penulis memegang hak cipta dan memberikan hak publikasi pertama kepada Jurnal Eksplora Informatika menggunakan lisensi Creative Commons Attribution-ShareAlike 4.0.
- Penulis diizinkan untuk mengarsipkan/menggunggah/meyimpan artikel mereka, misalnya dalam repositori institusional atau situs web/blog penulis, namun diharapkan agar memberikan rincian bibliografi yang menghargai publikasi di jurnal ini.
- Jurnal Eksplora Informatika berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- Jurnal Eksplora Informatika berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
References
American Cancer Society, Breast Cancer Facts and Figures 2013-2014. Atlanta: American Cancer Society, Inc, 2014.
J. E. Joy, E. E. Penhoet, and D. B. Petitti, Saving Women’s Lives - Strategies for Improving Breast Cancer Detection and Disgnosis. 2005. [link]
W. E. Fathy and A. S. Ghoneim, “A Deep Learning Approach for Breast Cancer Mass Detection,†Int. J. Adv. Comput. Sci. Appl., vol. 10, no. 1, pp. 175–182, 2019. [link]
M. Helms, R.L., O’Hea, E.L. and Corso, “Body image issues in women with breast cancer,†Psychol. Heal. Med., vol. 13, no. 3, pp. 313–325, 2008. [link]
L. M. Mina and N. A. M. Isa, “A review of computer-aided detection and diagnosis of breast cancer in digital mammography,†J. Med. Sci., vol. 15, no. 3, pp. 110–121, 2015.
R. M. Rangayyan, F. J. Ayres, and J. E. Leo Desautels, “A review of computer-aided diagnosis of breast cancer: Toward the detection of subtle signs,†J. Franklin Inst., vol. 344, no. 3–4, pp. 312–348, 2007. [link]
J. Sharma and S. Sharma, “Mammogram image segmentation using watershed,†Int. J. Inf. Technol. Knowl. Manag., vol. 4, no. 2, pp. 423–425, 2011. [link]
A. Sahakyan and H. Sarukhanyan, “Segmentation of the Breast Region in Digital Mammograms and Detection of Masses,†Int. J. Adv. Comput. Sci. Appl., vol. 3, no. 2, pp. 102–105, 2012. [link]
P. Rahmati, A. Adler, and G. Hamarneh, “Mammography segmentation with maximum likelihood active contours,†Med. Image Anal., vol. 16, no. 6, pp. 1167–1186, 2012. [link]
D. Putra, Pengolahan Citra Digital. Penerbit Andi, 2010. [link]
D. Apriliani and Murinto, “Analisis Perbandingan Teknik Segmentasi Citra Digital Menggunakan Metode Level Set,†vol. 7, no. 2, pp. 802–810, 2013. [link]
M. A. López Guevara et al., “Bcdr: a Breast Cancer Digital Repository,†15 Int. Conf. Exp. Mech., no. January, pp. 1–5, 2012. [link]
R. C. Gonzalez, R. E. Woods, and S. L. Eddins, Digital image processing using MATLAB. Publisher T. Robins, 2009.
