Articles

LUNG FIELD SEGMENTATION ON COMPUTED TOMOGRAPHY IMAGE USING ACTIVE SHAPE MODEL

Main Article Content

Sri Widodo Wijiyanto .

Abstract

LUNG FIELD SEGMENTATION ON COMPUTED TOMOGRAPHY IMAGE USING ACTIVE SHAPE MODEL a Sri Widodo, bWijiyanto aMedical Record and Health Informatics Academic of Citra Medika Surakarta Samanhudi, Surakarta a Sekolah Tinggi Manajemen Informatika dan Komputer Duta Bangsa Surakarta Indonesia E-mail: papa_lucky01@yahoo.com Abstrak Metode saat ini yang banyak digunakan untuk segmentasi bidang paru dari citra CT scan adalah thresholding dan Active Contour, yang mengandalkan kontras dari nilai keabuan antara parenkim paru dan jaringan sekitarnya. Kelemahan dari kedua metode tersebut adalah jika nodul tersebut besar dan terletak pada batas tepi paru, maka nodul tersebut tidak akan masuk dalam citra paru (bagian paru yang terdapat kelainan atau nodul akan hilang). Hal ini berarti proses segmentasi bidang paru dianggap gagal, karena citra nodul yang menjadi pokok perhatian akan hilang. Tujuan dari penelitian adalah segmentasi bidang paru yang mengandung kelainan pada citra CT scan dengan menggunakan Active Shape Model. Kontribusi dalam penelitian ini adalah jenis baru dari Active Shape Model dengan variasi tingkat keabuan dari dua batas objek, yaitu, bidang paru kanan dan kiri. Pada penelitian ini, kami mempertimbangkan struktur gambar lokal, yaitu momen dari histogram lokal yang berasal dari pengurangan antara citra asli dengan citra hasil negasi. Kami juga melakukan segmentasi bidang paru dengan thresholding dan Active Contour, sebagai bahan perbandingan dengan metode yang diusulkan. Hasil dari penelitian kami menunjukkan bahwa pendekatan segmentasi dengan Active Shape Model mempunyai akurasi 94.6%, sensitifitas 90.2%, dan spesifisitas 95.9%. Kata kunci: Active Shape Model, Active Contour, Thresholding. Abstract Current method is widely used for lung field segmentation of CT scan image is Thresholding and Active Contour, which relies on contrast of gray values between lung parenchyma and surrounding tissues. Drawback of both methods is that if nodule is large and located on borders of lung, then nodules will not be included in the image of lung (nodules contained will be lost). This means that segmentation of lung field was considered a failure, because image of nodule is object of attention will be lost. Purpose of this research is lung field segmentation that contain abnormalities in CT scan image using Active Shape Model. Contribution in this paper is a new type of Active Shape Model with gray level variation of two object boundaries, namely right lung field and left lung field. In this study, we consider the local image structure, which moments of a local histogram derived from the subtraction of the original image with the negation image. We also perform lung fields segmentation using thresholding and Active Contour, as a comparison with method we proposed. Results of our study show that segmentation with ASM approach has accuracy 94.6%, sensitivity 90.2%, and specificity of 95.9%. Key words: Active Shape Model, Active Contour, Thresholding

Downloads

Download data is not yet available.

Article Details

How to Cite
WIDODO, Sri; ., Wijiyanto. LUNG FIELD SEGMENTATION ON COMPUTED TOMOGRAPHY IMAGE USING ACTIVE SHAPE MODEL. Jurnal Ilmiah Kursor, [S.l.], v. 7, n. 2, july 2013. ISSN 2301-6914. Available at: <https://kursorjournal.org/index.php/kursor/article/view/48>. Date accessed: 17 dec. 2018.
Section
Articles