Ekstraksi Ciri Nodul Payudara Pada Citra Ultrasonografi Berdasarkan Fitur Posterior Menggunakan Metode Block Difference

Tianur Tianur, Edilla Edilla
{"title":"Ekstraksi Ciri Nodul Payudara Pada Citra Ultrasonografi Berdasarkan Fitur Posterior Menggunakan Metode Block Difference","authors":"Tianur Tianur, Edilla Edilla","doi":"10.35143/JKT.V6I2.2729","DOIUrl":null,"url":null,"abstract":"Pemeriksaan USG merupakan salah satu cara yang paling sering digunakan untuk skrining kanker payudara namun hasilnya sangat subjektif. Oleh karena itu, diperlukan suatu sistem yang mampu mendiagnosa keganasan kanker payudara dari berbagai parameter, salah satunya parameter posterior. Ciri posterior yang digunakan ada tiga kelas yaitu posterior enhancement, posterior shadow dan no feature. Dalam beberapa kasus posterior, ciri dari posterior shadow dan no feature memiliki karakteristik yang sangat mirip. Hal ini membuat para ahli radiologi menilai berbeda. \nPenelitian ini mengusulkan metode sederhana yaitu dengan mengekstraksi arean yang diduga memiliki ciri posterior dan ciri latar belakang. Dataset yang digunakan terdiri atas 121 citra USG payudara yang dikelompokan menjadi 84 kasus posterior enhancement, 16 kasus posterior shadow , dan 21 kasus no feature. Tahap awal, pra pengolahan citra nodul kanker payudara dimulai dengan mem-filter citra yang telah di-crop menggunakan adaptive median filter. Pra pengolahan citra USG payudara dilakukan untuk menghilangkan noise, marker dan label. Kemudian melakukan proses segmentasi. Citra hasil segmentasi di ekstraksi ciri dengan cara pengambilan nilai rata-rata intensitas dari area bawah nodul citra dengan metode block difference. Hasil klasifikasi citra nodul payudara menggunakan metode block difference mampu mencapai akurasi 86,78%.","PeriodicalId":31786,"journal":{"name":"Jurnal Komputer Terapan","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2020-11-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Komputer Terapan","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.35143/JKT.V6I2.2729","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Pemeriksaan USG merupakan salah satu cara yang paling sering digunakan untuk skrining kanker payudara namun hasilnya sangat subjektif. Oleh karena itu, diperlukan suatu sistem yang mampu mendiagnosa keganasan kanker payudara dari berbagai parameter, salah satunya parameter posterior. Ciri posterior yang digunakan ada tiga kelas yaitu posterior enhancement, posterior shadow dan no feature. Dalam beberapa kasus posterior, ciri dari posterior shadow dan no feature memiliki karakteristik yang sangat mirip. Hal ini membuat para ahli radiologi menilai berbeda. Penelitian ini mengusulkan metode sederhana yaitu dengan mengekstraksi arean yang diduga memiliki ciri posterior dan ciri latar belakang. Dataset yang digunakan terdiri atas 121 citra USG payudara yang dikelompokan menjadi 84 kasus posterior enhancement, 16 kasus posterior shadow , dan 21 kasus no feature. Tahap awal, pra pengolahan citra nodul kanker payudara dimulai dengan mem-filter citra yang telah di-crop menggunakan adaptive median filter. Pra pengolahan citra USG payudara dilakukan untuk menghilangkan noise, marker dan label. Kemudian melakukan proses segmentasi. Citra hasil segmentasi di ekstraksi ciri dengan cara pengambilan nilai rata-rata intensitas dari area bawah nodul citra dengan metode block difference. Hasil klasifikasi citra nodul payudara menggunakan metode block difference mampu mencapai akurasi 86,78%.
基于后验特征的块差分法提取超声图像胸结节特征
USG检测是癌症筛查最常用的方法之一,但它是非常主观的。因此,它需要一个系统,可以从各种参数诊断癌症,其中一个后验参数。所使用的后部特性有三类:后部增强、后部阴影和无特征。在某些后部病例中,后部阴影的特征和无特征具有非常相似的特征。这让放射科医生做出了不同的判断。这项研究提出了一种提取预期具有后验和背景特性的区域的简单方法。所使用的数据集由121张USG胸部图像组成,分为84例后部增强病例、16例后部阴影病例和21例无特征病例。最初,乳腺癌症节点图像预览从使用自适应中值滤波器对已裁剪的图像进行滤波开始。因此,USG胸部图像排斥反应是为了消除噪声、标记和标签。然后进行分割过程。图像分割采用块差分法从图像节点下的区域获取平均强度值,从而实现属性提取。使用块差分方法对胸部结节图像进行分类的结果可以达到86.78%的准确率。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
32
审稿时长
6 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信
小红书