1

ANALISIS KEKERASAN BATU GINJAL PADA SUATU FOTO BNO MENGGUNAKAN METODA HISTOGRAM TEREQUALISASI

Disusun oleh :

Priyo Adi Sesotyo

13397076

DEPARTEMEN TEKNIK FISIKA

INSTITUT TEKNOLOGI BANDUNG

2001

2

LATAR BELAKANG

• Penentuan tingkat keberhasilan penembakan batu ginjal dengan ESWL masih menggunakan sarana visual manusia, yaitu dengan melihat ke foto BNO

• Terkadang dokter memiliki interpretasi yang berbeda terhadap sebuah citra dari batu ginjal sehingga berbeda pula dosis penembakannya

3

TUJUAN

• Menilai kekerasan batu ginjal dengan membandingkannya ke tulang pada suatu foto BNO menggunakan perangkat lunak Histogram Terequalisasi

4

METODOLOGI PENELITIAN

• Penentuan karakteristik (minimum, maksimum, modus, median, mean, standar deviasi, excess kurtosis) setiap foto BNO dengan fokusnya pada batu ginjal

• Penentuan karakteristik (minimum, maksimum, modus, median, mean, standar deviasi, excess kurtosis) setiap foto BNO dengan fokusnya pada tulang yang memiliki nilai radioopaqusitas terbesar

• Mencari hubungan antara karakteristik citra batu ginjal dengan tulang pada suatu foto BNO yang sama dan menentukan nilai kekerasan batu ginjal tersebut

5

Ginjal berfungsi :• Membuang limbah dari

darah dan mengembalikan darah yang bersih ke tubuh. Limbah tersebut dikonversikan ke urine.

• Ginjal menghasilkan tiga hormon penting, yaitu : Erythropoietin (EPO) untuk merangsang sumsum tulang membuat eritosit, Renin untuk menjaga kestabilan tekanan darah, dan bentuk aktif dari vitamin D

6

Batu Ginjal (Renal Calculi)

• Definisi : batu atau partikel kristal pada ginjal yang dibentuk oleh zat-zat tertentu di dalam urine.

• Batu ginjal dengan komposisi, ukuran dan lokasi yang berbeda memiliki kemungkinan untuk hancur dengan derajat keberhasilan yang berbeda-beda.

7

Batu Ginjal - lanjutanFREKUENSI KEJADIANNYA :

• Calcium oxalate/Calcium

phosphate -> 75 %

• Magnesium ammonium phosphate -> 10-15 %

• Uric acid -> 6 %

• Mixed magnesium, calcium, uric acid -> 3-10 %

• Cystine -> 1-2 %

• Xanthine ->langka

• Adenine ->langka

Jenis yang biasanya hancur :

• Calcium oxalate dihydrate (Weddellite) - CaC2O4

.2H2O

• Magnesium ammonium phospate hexahydrate (Struvite) - MgNH4PO4

.6H2O

• Anhydrous uric acid - C5H4N4O3

8

TEORI CITRA

• Sebuah citra (secara analog) merupakan representasi dari beberapa bentuk visual sebuah benda

• Namun bagi sebuah komputer(digital), citra merupakan suatu array dengan numerik yang banyak

• Citra digital : citra yang telah disampling, kuantisasi dengan fungsi dua dimensi yang dihasilkan oleh proses optik, tersampel pada pola grid kotak ruang yang sama dan terkuantisasi pada amplitudo dengan interval yang sama.

9

CITRA DIGITAL

Digitasi dari citra analog. Pixel (picture element) pada koordinat [m=10, n=3] memiliki nilai kecerahan 110

10

PENGOLAHAN CITRA DIGITAL (1)

• Mensubyekkan sebuah representasi numerik dari sebuah obyek ke serangkaian operasi menggunakan komputer dalam usaha untuk mendapatkan hasil yang diinginkan.

• Citra tidak dapat langsung diolah oleh komputer, sehingga harus dikonversikan ke bentuk numerik

• Scanning merupakan pengalamatan yang selektif dari lokasi yang spesifik dalam domain citra

• Pixel (picture element) ialah suatu area kecil hasil pengalamatan dalam proses scanning

11

PENGOLAHAN CITRA DIGITAL (2)

Sampler Quantizer Computerf(x,y) fs(x,y) u

*(m,n) 

Input Image

• Digitasi ialah suatu proses konversi suatu citra analog ke citra digital. Dalam digitasi terlibat proses lainnya seperti :

• Sampling, ialah suatu proses pencuplikan suatu sinyal pada titik dengan posisi x dan y tertentu

• Kuantisasi, ialah suatu proses pemberian nilai yang integer(bulat) untuk hasil cuplikan sinyal tersebut

12

PENGOLAHAN CITRA DIGITAL (3)

• Maksud mengkonversikan ini bukanlah yang merusak cita aslinya, namun sebagai upaya untuk menghasilkan citra baru

• Setiap pixel citra output berkorespondensi ke satu pixel citra input. Sehingga ketika diaplikasikan suatu operasi, nilai gray level disimpan dalam titik korespondensi citra output

• Bertujuan untuk mengekstrak feature penting dari data yang terkandung pada citra, untuk pendeskripsian, interpretasi dan analisis.

13

PENGOLAHAN CITRA DIGITAL (3)

14

IMAGE ENHANCEMENT (1)

• Meningkatkan tampilan visual dari citra• Tujuan : menonjolkan feature citra tertentu untuk

analisis selanjutnya• Proses ini tidaklah mengubah informasi yang

terkandung dalam citra, namun hanya memilah informasi dan menekankan karakter khususnya, juga rentang dinamik dari feature yang dipilihnya

• Hal yang paling sukar ialah menentukan jenis enhancement untuk diaplikasikan pada citra

15

IMAGE ENHANCEMENT (2)Image

Coding Enhancement Feature Segmentation Restoration

detection

Pattern Recognition Spatial Operation : Noise Smoothing, Median Filtering,

Unsharp Masking, ZommingZomming, LPF, BPF, HPF

Tranform Operation : Linear, Root, Homomorphic Filtering

Pseudocoloring : False Coloring, Pseudocoloring

Points Operation : Contrast Stretching, Noise Clipping, Window Slicing, Histogram ModelingHistogram Modeling

16

HISTOGRAM MODELING

• Salah satu aplikasinya ialah histogram terequalisasi

• Merepresentasikan frekuensi relatif keterjadian dari beragam gray level pada citra

• Pixel u memiliki L gray level xi, dengan probabilitas Pu(xi), yang dapat ditentukan dari histogram pada citra yang memberian h(xi), sejumlah pixel dengan nilai xi :

h(xi)Pu(xi) = ------------ ; i = 0, 1, 2, …, L-1 Σ xi*h(xi)

17

HISTOGRAM EQUALISASI • Bila sebuah citra dimaksudkan untuk

ditingkatkan kecerahannya dari rentang 0 (sebagai nilai minimum atau 0%) hingga 2B-1 (sebagai nilai maksimum atau 100%), digunakan formula transformasi sebagai berikut

18

IMAGE ANALYSIS• Membuat pengukuran yang kuantitatif dari sebuah

citra untuk dapat menghasilkan pendeskripsiannya• Sedikit berbeda dari operasi image processing

lainnya, yang outputnya adalah citra lain, namun disini melibatkan penelaahan dari feature extraction dan outputnya berupa sejumlah informasi.

• Spatial feature extraction : aplikasi dari image analisis, yang mengkarakterisasi citra karena gray levelnya, distribusi probabilitas bersamanya, serta distribusi ruang dan kesamaannya

19

TAMPILAN SOFTWARE (2)