Vous êtes sur la page 1sur 3

Abstrak

Deteksi dini penyakit membantu dalam menurunkan angka kematian. Kanker paru-paru adalah penyakit
yang dapat disembuhkan jika terdeteksi pada tahap awal. Dalam beberapa tahun terakhir Teknik pengolah
gambar banyak digunakan di bidang medis untuk perbaikan citra pada deteksi dini. Dalam pendekatan ini
diusulkan teknik pengolahan preprocessing yang digunakan seperti median filter untuk penghilangan
noise, operator High boost untuk enhancement dan marker controlled watershed yang digunakan untuk
segmentasi citra maka ekstraksi fitur memberikan daerah kecurigaan yang mencurigakan dari tumor.
Akhirnya dijelaskan berbagai teknik klasifikasi untuk mendeteksi kanker paru-paru.

INTRODUCTION

Akibat perubahan lingkungan banyak penyakit menyebar di masyarakat. Salah satu penyakit yang
paling banyak terjadi adalah kanker. Ada berbagai jenis penyakit kanker yang terkena tubuh manusia
seperti kanker kulit, kanker darah dll. Di antara semua kanker kanker paru-paru ini terjadi pada pria dan
wanita. Untuk mengurangi tingkat kematian ini terjadi karena kanker kita memerlukan beberapa
metodologi untuk mendeteksi kanker pada tahap awal. Tidak hanya pendeteksian penyakit pada tahap
awal dapat mengurangi angka kematian namun juga diet yang tepat dan perawatan dokter membantu di
dalamnya

Mengonsumsi tembakau dan merokok merupakan alasan utama menyebabkan kanker paru-paru.
Dengan mengubah gaya hidup orang-orang dalam kelompok usia 18 sampai 30 asap secara teratur dan
karena itu persentase penderita kanker paru-paru pada kelompok usia ini tinggi. Di sel kanker paru
mungkin ditemukan di dinding dada, diafragma, bronkus. Ukuran tumor bervariasi dengan stadium kanker
yang meningkat. Gambar CT scan lebih dapat diandalkan, mudah dibaca daripada gambar sinar-X. Ini
menunjukkan hasil yang baik pada gambar CT. Kanker adalah penyakit yang dapat disembuhkan jika
terdeteksi pada tahap awal

Dalam tulisan ini kami menggambarkan berbagai teknik pengolahan citra yang membantu
mengolah gambar dan mengekstrak fitur gambar dan kemudian kami mempelajari teknik klasifikasi data
untuk mengklasifikasikan gambar sesuai dengan tahapannya.

Bagian berikut dibagi sebagai bagian II mendeskripsikan survei literatur yang berkaitan dengan
topik, bagian III menjelaskan sistem yang diusulkan dengan metodologi pengolahan citra dan klasifikasi
yang berbeda, akhirnya makalah ini ditutup pada bagian IV.

LITERATURE SURVEY

Dalam teknik pemrosesan citra domain medis banyak digunakan dan banyak penelitian sedang
berlangsung. Kaji ulang makalah yang berkaitan dengan topik sebagai berikut:

Di kertas [2], Tanushree sinha Roy, Neeraj sirohi dan Arti patle memfokuskan penelitian mereka
terutama pada klasifikasi gambar paru-paru yang terkena penyakit kanker atau tidak. Dalam metode yang
diusulkan, citra CT scan paru digunakan sebagai citra masukan sehingga mereka mengekstrak daerah yang
bersangkutan dengan menggunakan model kontur aktif dan kemudian beberapa fitur penting diekstraksi
untuk mengklasifikasikan gambar. Untuk mengklasifikasikan citra Fuzzy Interface System yang digunakan.
Sistem ini menggunakan teknik neural network dan fuzzy logic. Keakuratan sistem yang diusulkan adalah
94,12%.

Di kertas [3], Ritika Agarwal, Ankit Shankhadhar, Raj Kumar Sagar mempelajari konsep
pengambilan gambar berbasis konten medis. Menurut penulis banyak teknik yang tersedia untuk
mengetahui adanya nodul di paru-paru pada tahap awal namun tidak ada teknik yang memberikan hasil
terbaik. Untuk memberi ketepatan dan hasil terbaik penulis mengajukan sebuah sistem yang disebut
Computer Aided Diagnostic System CAD untuk mengidentifikasi adanya nodul di paru-paru. Fase yang
berbeda ada dalam sistem yang diusulkan.

Teknik pengolahan citra memberikan dampak terbaik pada citra medis dan membantu dalam
deteksi dini penyakit. Di kertas [4], PBSangamithraa, S.Govindaeaju mengusulkan sebuah metode yang
menggunakan filter median dan wiener untuk menghilangkan noise yang tidak diinginkan dari gambar,
pendekatan clustering K-mean digunakan untuk segmentasi dan matriks Gray Level Co-occurrence
digunakan untuk fitur. ekstraksi. Setelah menerapkan keseluruhan teknik pengolahan citra, jaringan
propagasi balik digunakan untuk klasifikasi.

SYSTEM MODEL

Diberikan flow chart menggambarkan aliran sistem. Dalam banyak sistem aliran yang sama
diterapkan tapi di sini kita akan menggunakan teknik yang berbeda untuk mengidentifikasi tahap-tahap
kanker paru-paru

A. Image Database:
Database yang diperlukan untuk sistem harus berisi CT scan Images. Citra CT scan lebih
dapat diandalkan daripada bentuk gambar lainnya. Umumnya gambar medis dalam format
dicom, kita harus mengkonversikannya ke format yang mudah dibaca. Banyak alat konverter
tersedia yang membantu mengonversinya.

B. Image Pre-processing:
Image Smoothing, peningkatan citra, segmentasi citra adalah teknik yang digunakan
dalam pre-processing. Dalam model yang diusulkan untuk merapikan citra kita menggunakan
median filter untuk menghilangkan noise dari citra yang diberikan. Kebisingan dalam gambar
menekan informasi penting untuk menghilangkan suara berbagai filter atau teknik lain yang
tersedia dalam pengolahan citra. Filter median memberikan hasil terbaik karena
menghilangkan noise tanpa mengaburkan gambar sedangkan teknik lain menghilangkan
noise dan memberi gambar blur sebagai output.
Peningkatan gambar berarti memperbaiki visibilitas fitur agar lebih memahami. Filter
penguat tinggi digunakan untuk gambar perangkat tambahan. High boost filter menyoroti
area frekuensi tinggi dan menekan area dengan frekuensi rendah.
Segmentasi Gambar: Segmentasi membagi citra input menjadi berbagai segmen. Tujuan
utama dibalik segmentasi tersebut adalah menyederhanakan representasi menjadi lebih
bermakna dan mudah dipahami. Pada segmentasi daerah tangkapan yang terkontrol
memisahkan objek latar depan dan latar belakang dan memisahkannya dengan warna yang
berbeda untuk visibilitas yang lebih baik
C. Feature extraction:
Langkah ketiga dan penting dalam sistem adalah ekstraksi fitur untuk mengenali bentuk
dan ukuran nodul yang ada pada gambar. Definisi ekstraksi fitur adalah menerjemahkan data
yang diberikan ke dalam fitur yang dibutuhkan. Tiga fitur utama diekstraksi selama proses
berlangsung. Ini adalah area, keliling dan eksentrisitas gambar masukan.

D. Classification:
Banyak algoritma yang tersedia dalam data mining untuk tujuan klasifikasi. Support
Vector Machine (SVM) digunakan untuk menganalisa data yang digolongkan sesuai dengan
pola. Dalam svm itu membuat dua set data dari contoh pelatihan yang diberikan contoh
kategori input ke set tertentu sesuai dengan propertinya.

IV. CONCLUSION.
Kanker adalah penyakit yang paling banyak terjadi di dunia. Dari berbagai penyakit kanker
paru-paru kanker terutama ditemukan pada pria dan wanita. Hanya deteksi dini penyakit yang
bisa membantu menurunkan angka kematian akibat kanker paru-paru. Teknik pengolahan
citra banyak digunakan di beberapa area medis untuk perbaikan citra pada tahap deteksi dan
pengobatan sebelumnya, dimana faktor waktu sangat penting untuk mengetahui masalah
kelainan pada gambar target. Citra CT diproses dan daerah yang diminati, tumor diidentifikasi
karena filter high boost dan segmentasi DAS memberikan hasil terbaik untuk tahap pra-
pengolahan. Dari wilayah tiga fitur diekstraksi seperti area, perimeter, dan eksentrisitas. Fitur
ini membantu untuk mengidentifikasi ukuran tumor dan dari ukuran tumor stadium kanker
diidentifikasi.