Segmentasi Trabecular Bone pada Dental Panoramic Radiograph menggunakan K-means Clustering dan Root-Guided Decision Tree (RGDT)

Adillion, Ilham Gurat (2017) Segmentasi Trabecular Bone pada Dental Panoramic Radiograph menggunakan K-means Clustering dan Root-Guided Decision Tree (RGDT). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5113100077-Undergraduate-Theses.pdf]
Preview
Text
5113100077-Undergraduate-Theses.pdf - Published Version

Download (3MB) | Preview

Abstract

Dental Panoramic Radiograph (DPR) adalah citra x-ray dua dimensi (2-D) dari gigi yang merekam keseluruhan mulut. DPR menyimpan berbagai informasi seperti struktur trabecular bone yang dapat digunakan untuk identifikasi beberapa penyakit. Namun, pada DPR, area trabecular bone cukup sulit untuk ditentukan secara akurat karena rendahnya kontras citra, pencahayaan yang tidak merata, serta banyaknya noise. Tugas akhir ini mengusulkan sebuah metode segmentasi area trabecular bone menggunakan K-means clustering dan Root-Guided Decision Tree (RGDT). Pada Region of Interest (ROI) dari DPR dilakukan ekstraksi fitur dengan filter Gabor. Orientasi filter Gabor disesuaikan dengan orientasi dominan pada objek yang berada di dalam ROI untuk mendapatkan data fitur yang representatif terhadap objek di dalam citra. Data fitur citra kemudian dikelompokkan menggunakan K-means clustering menjadi kelas area trabecular bone dan non-trabecular bone. Adapun piksel yang keanggotaannya dalam suatu cluster dianggap ambigu karena nilai data fiturnya berbeda jauh dengan nilai data fitur titik pusat clusternya, diklasifikasi lebih lanjut menggunakan RGDT untuk menghindari kesalahan klasifikasi.
Uji coba yang dilakukan terhadap 30 citra menunjukkan bahwa metode ini dapat memberikan hasil segmentasi area trabecular bone yang akurat dengan rata-rata akurasi, specificity dan sensitivity adalah 92,52%, 91,67%, dan 90,90%.

====================================================================================

Dental Panoramic Radiograph (DPR) is two-dimensional
(2-D) x-ray image of teeth that captures entire structure of the
mouth. DPR contains many information such as trabecular bone
structure that can be used to identify many diseases. But, it is hard
to determine the area of trabecular bone in DPR because of low
contrast, uneven lighting and high amount of noise in the image. In this research we propose a segmentation method using Kmeans clustering and Root-Guided Decision Tree (RGDT). Features of Region of Interest (ROI) from DPR will be extracted using Gabor filter. Gabor filter’s orientation will be adjusted with
dominant orientation of objects inside ROI.The extracted features
will be clustered by K-means clustering into two classes: area of
trabecular bone and area of non-trabecular bone. Some pixels that
have ambiguous membership in its cluster because its feature data
differ too much with the cluster’s centroid feature data, will be
classified further using RGDT to prevent false classification.
Testing concluded to 30 image shows that this method give
accurate trabecular bone area segmentation result with average accuracy, specificity and sensitivity is 92,52%, 91,67%, and 90,90%.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Decision tree; dental panoramic radiograph; k-means clustering; trabecular bone
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions: Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User: - ILHAM GURAT ADILLION
Date Deposited: 03 Mar 2017 04:10
Last Modified: 06 Mar 2019 02:16
URI: http://repository.its.ac.id/id/eprint/2718

Actions (login required)

View Item View Item